论文笔记-CenterNet: Objects as points without anchor

paper: Objects as Points

code: https://github.com/xingyizhou/CenterNet

Abstract

1. CenterNet是anchor-free的目标检测方法，用预测出的点表示一个object，同时回归出目标的size和offset。其性能表现如下：

   • 

2. CenterNet与one-stage和two-stage的detector的区别

   • 只预测目标的中心点，不需要设计anchor，也就无需构造positive samples和negative samples，耗时少且易于训练；
   • 不再需要NMS操作（这一点其实有些场景还是需要的，后续讲到）

3. CenterNet的主要建模思想
   CenterNet的主要建模思想，可以参考如下公式和图示：
   
   

   • 即对于一张输入的图像，CenterNet希望能够学到一个缩小R倍的heatmap，heatmap中每一个点的值若为1，则表示当前点检测到了类别为c的目标，为0则表示该点为背景；该方法，用目标框的中心点表示一个object，然后给出该object的size以及映射回原始图像的offset。

Details

1. 训练时如何生成对应的heatmap

   • 对原始图像中一个单独的gt中心点，映射到缩小R倍的特征图上，这里是向下取整；

   • 用高斯核将所有gt中心点构造在一个原始图像缩小R倍的heatmap上

   • 用公式表示如下：

     • 

   • 9x9的效果图如下（附图来源参考链接1）：

     • 

   • 实际是实现时的heatmap细节

     • 在设计heatmap的标签时，为了能够尽可能保留多一些bbox，作者将那些中心点在gt的中心点的一定范围内且IoU大于一定比例的框也保留下来了
     • 根据每个object的bbox的center点得到一个radius，然后用radius设计高斯核，生成整体的heatmap
     • 在计算radius时，考虑了多种情况，参考这里的阐述gt map计算高斯核，代码对应于CenterNet/src/lib/utils/image.py，如下

       def gaussian_radius(det_size, min_overlap=0.7):
         height, width = det_size
       
         a1  = 1
         b1  = (height + width)
         c1  = width * height * (1 - min_overlap) / (1 + min_overlap)
         sq1 = np.sqrt(b1 ** 2 - 4 * a1 * c1)
         r1  = (b1 + sq1) / 2
       
         a2  = 4
         b2  = 2 * (height + width)
         c2  = (1 - min_overlap) * width * height
         sq2 = np.sqrt(b2 ** 2 - 4 * a2 * c2)
         r2  = (b2 + sq2) / 2
       
         a3  = 4 * min_overlap
         b3  = -2 * min_overlap * (height + width)
         c3  = (min_overlap - 1) * width * height
         sq3 = np.sqrt(b3 ** 2 - 4 * a3 * c3)
         r3  = (b3 + sq3) / 2
         return min(r1, r2, r3)
       
       
       def gaussian2D(shape, sigma=1):
           m, n = [(ss - 1.) / 2. for ss in shape]
           y, x = np.ogrid[-m:m+1,-n:n+1]
       
           h = np.exp(-(x * x + y * y) / (2 * sigma * sigma))
           h[h < np.finfo(h.dtype).eps * h.max()] = 0
           return h
       

2. Loss function

   • loss由三部分组成，heatmap中中心点相关的loss（focal loss），目标size相关的loss（L1 loss），以及目标offset相关的loss（L1 loss），如下图：
     • 

3. 如何将bbox转换为point？

   • 这一点和loss function中的size相关的的s_k的取值方式相似，即给定object的bbox是(x1,y1,x2,y2),则其中心点是((x1+x2)/2, (y1+y2)/2)
   • 这样的话，训练时对于数据只需要按照coco的方式处理好即可，不需要自己单独取整理计算出中心点作为输入

4. 如何将point转为bbox？

   • 对于网络inference阶段的结果，对每个类别的heatmap，取每个8邻域中的最大值，保留topK个（文中为100，不同任务可以调整），然后利用如下公式将点映射为bbox（如果需要映射回原图，还需要在下面公式的基础上乘以缩放系数R）：

     • 

   • 所有的输出都是直接用关键点预测的，不需要基于IoU的NMS操作

5. 不足之处

   • 毫无疑问，CenterNet能够减少anchor所需要的计算耗时，但同时其也有不足，即假如两个目标的中心点很靠近的话，会导致其中一个目标被忽略掉，因为在选取中心点时，是取8邻域的最大值，如此便把很靠近最大值的次大值忽略掉了

6. 源码解读

   • 暂时没详细的跟读源码

---

1. https://zhuanlan.zhihu.com/p/66048276