Sina Weibo：小锋子Shawn
Tencent E-mail：[email protected]
http://blog.csdn.net/dgyuanshaofeng/article/details/82048113
CornerNet[1]的作者是来自密歇根大学的Hei Law和Jia Deng，此算法/模型是目标检测的新方法。其中Jia Deng，还有其它比较出名的工作，比如人体姿态估计领域的Stacked hourglass networks（堆叠漏斗网络）（ECCV2016），图像分类领域的ImageNet数据集（CVPR2009）。
0 摘要
将目标包围盒（object bounding box）转化为一对关键点（paired keypoints）：左-上角点和右-下角点，其优势在于取消anchor boxes的设计。anchor boxes通常在检测器中使用，比如SSD和Faster R-CNN。提出corner pooling（角点池化），用于准确定位角点。在MS COCO数据集上，取得42.1%AP，超越所有一阶段式检测器（这里有问题，因为一阶段式检测器更为强调速度，而非精度，因此与这些模型比精度，似乎有些流氓了）。
1 介绍
anchor boxes就是各种size和aspect ratio预先定义好的框。一阶段式检测器依赖anchor boxes（锚框）实现类似二阶段式检测器的检测精度，并且更为有效率。然而，有两点缺陷。其一，需要大量锚框，DSSD使用40k，RetinaNet使用100k，最后造成正负锚框的巨大不平衡。其二，引入许多超参数和设计选择。如图1所示，为CornerNet的方法pipeline。卷积网络输出所有左和上一对角点的热图，输出所有右和下一对角点的热图，还输出每一对角点的embedding vector（嵌入向量）。
CornerNet的另一个要素是角点池化，如图2所示。总之，角点通常在目标之外，需要借助其它信息来定位角点，而非使用角点附近的信息。
作者给出了检测角点比检测包围框好的两点假设性理由。其一，包围盒的中心需要目标四边，而角点需要两边。其二，更有效，可用O(wh)角点表达O(w^2 * h^2)可能锚框。
2 相关工作
分别介绍了两类目标检测器，其中DSSD和RON都使用了类似的漏斗网络。
着重介绍了DeNet和本文工作的区别。
特别强调了本文工作的启发工作Associative Embedding[2]，后文为NIPS2017的文章，可以重点阅读一下，因为NIPS上视觉类文章还是比较少的。
本文工作还使用了新颖变种focal loss。
3 角点网络（CornerNet）
3.1 Overview
如图3所示。
3.2 检测角点
变种focal loss：
fast r-cnn里面的smooth L1 loss：
3.3 组合角点
组合角点的“pull”（拉近）损失：
分离角点的“push”（推远）损失：
3.4 角点池化（Corner Pooling）
如图4所示，非常清楚地解释了如何进行角点池化。在实现中，详细阅读作者的cpp代码。
如图5所示，为预测模块。具体修改见开源代码和文章描述。
3.5 漏斗网络（hourglass network）
作者对hourglass network[3]作了比较大的修改。
4 实验
4.1 训练细节
总的训练损失：
4.2 测试细节
4.3 MS COCO
4.4 消融实验
1、角点池化
2、减小负样本位置惩罚
3、误差分析
4.5 与世界一流检测器比较
如表1所示。
[1] CornerNet Detecting Objects as Paired Keypoints ECCV 2018 [paper] [Pytorch code]
[2] Associative Embedding End-to-End Learning for Joint Detection and Grouping NIPS 2017 [paper] [Pytorch code]
[3] Stacked Hourglass Networks for Human Pose Estimation ECCV 2016 [paper]