CornerNet是一種anchor free的目標檢測方法，不需要設定anchor，而是通過檢測關鍵點(Keypoints)，即目標的左上角(Top-Left Corners)和右下角(Bottom-Right Corners)，再進行配對，來實作目標的檢測，
網路的前半部分是一個卷積網路，后半部分是兩個獨立的分支，一個檢測Top-Left Corners，另一個檢測Bottom-Right Corners，兩個分支分別生成一個熱圖，來預測每一個位置是Top-Left Corner或者Bottom-Right Corner的置信度，預測使用一種新的組件：Corner pooling，Top-Left Corners或者Bottom-Right Corners通常在目標之外，所以在每一個位置需要向右看和向下看，即向右最大化池化和向下最大化池化，再將兩個值相加，
由于卷積網路得到的點的位置不可能和GT目標的Top-Left Corners或者Bottom-Right Corners剛好重合，于是規定只要點的位置和GT目標的Top-Left Corners或者Bottom-Right Corners在一個半徑之內，就把相應的點作為正樣本訓練，半徑的大小要確保半徑內的一對點生成的邊界框與GT的IoU ≥ t，t的值論文設定為0.7，
參考文獻：CornerNet: Detecting Objects as Paired Keypoints
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/73655.html
標籤：其他
下一篇：機器學習實戰_KNN（一）