论文阅读：anchor-free目标检测模型CenterNet

模型原理

点击这里获取论文地址

CenterNet属于anchor-free系列的目标检测，相比于CornerNet做出了改进，使得检测速度和精度相比于one-stage和two-stage的框架都有不小的提高，尤其是与YOLOv3作比较，在相同速度的条件下，精度比YOLOv3提高了4个左右的点。

CenterNet采用关键点估计找到目标的中心点，并回归到其他目标属性，例如尺寸，3D位置，方向，甚至姿态。

CenterNet是端到端可微的，不需要NMS后处理。

CenterNet 相比较传统目标检测而言（缩放16倍尺度），使用更大分辨率的输出特征图（缩放了4倍），因此无需用到多重特征图锚点。

pipeline

假设输入图像为$I\in R^{W\times H\times 3}$ ，其中$W$和$H$分别为图像的宽和高，预测时，产生出目标中心点的关键点热力图(keypoint heatmap)：$\hat{Y}\in[0,1]^{\frac{W}{R}\times\frac{H}{R}\times C}$、关键点偏差预测$O_{\hat{p}}\in R^{\frac{W}{R}\times\frac{H}{R}\times2}$、检测框大小的预测$S_{\hat{p}}\in R^{\frac{W}{R}\times\frac{H}{R}\times2}$，其中$R$为原图的缩放倍数（论文中为4），而$C$是在目标检测中对应目标类别数量（COCO目标检测中，$C=80$）。模型输出维度为$\left[\frac{W}{R}\times\frac{H}{R}\times(C+2)\right]$.

关键点热力图

对每个目标bounding box真值，计算中心点像素坐标$(x,y)$，然后根据缩放倍数$R$和类别$c\in C$，得到缩放之后的feature map上的坐标$(x',y',c)=(\lfloor\frac{x}{R}\rfloor,\lfloor\frac{y}{R}\rfloor,c)$. 最后在每个通道上根据高斯核：$\exp(-\frac{(x-x')^2+(y-y')^2}{2\sigma_p^2})$，得到热力图，其中$\sigma_p$是尺度自适应标准差。多个高斯核重叠区域取最大值。

关键点估计损失

使用Focal Loss，其中当$Y_{xyc}\ne 1$时，添加$(1-Y_{xyc})^\beta$来抑制中心点周围的值，使其Loss比重增大，实验测定$\alpha=2$,$\beta=4$时效果最好。

关键点偏差损失

heatmap热力图比输入缩放了$R$倍，关键点整数坐标$\hat{p}$是离散点，而中心点$p$缩放$R$倍之后$\frac{p}{R}$是浮点值，两者存在偏差，因此对每个关键点预测一个偏差$O_{\hat{p}}\in R^{\frac{W}{R}\times\frac{H}{R}\times2}$，损失函数为L1 Loss

检测框大小回归损失

对每个预测的关键点$\hat{p}$，对应地预测检测框大小$S_{\hat{p}}\in R^{\frac{W}{R}\times\frac{H}{R}\times2}$，与实际的检测框$S_p$进行L1 Loss