as
2019Zhou,Wang,¨uhl
我们在对象的边界框中心用一个点表示对象(参见图2),然后直接从中心位置的图像特征返回其他属性,如对象大小、尺寸、3D范围、方向和姿态 。目标检测是一个标准的关键点估计问题 。将图像输入到一个完全卷积网络中生成一个热图,热图的峰值对应对象的中心 。每个峰值的图像特征预测对象边界框的高度和 。
![Objects as Points 解读](http://img.gansulong.com/230622/063Q94T1-0.jpg)
文章插图
本文的方法与基于锚的单步方法密切相关,但有所区别,一:分配锚是基于位置的,而不是框重叠 。没有手工设置阈值区分前景还是背景 二:每个对象只有一个锚,所以不需要极大值抑制 。仅仅在关键点热图中抽取局部峰值 。三 。使用了一个更大的输出分辨率(输出步长为4),,传统的对象检测输出步长为16.
相关工作:通过区域分类的对象检测:R-CNN,从大量候选区域中枚举对象位置,进行裁剪,再对每个区域使用深度网络 。Fast R-CNN,不用裁剪图像特征,节省计算,这两个方法都依赖于低层的区域方法 。
【Objects as Points 解读】使用隐式锚对象检测: R-CNN 使用RPN生成区域建议,与真值框Iou>0.7的标记为前景,
![Objects as Points 解读](http://img.gansulong.com/230622/063Q951N-1.png)
文章插图
基于关键点估计的对象检测:检测两个边界框的角落作为关键点 。检测所有对象的上,左,下,右,中心点 。但是这些方法都需要再关键点之后进行组合分组,降低了算法的速度 。而本文的方法仅抽取一个中心点,而且不需要组合分组 。
- 解读:为何不少古代文人才子英年早逝
- 扁鹊六不治指的是什么史记扁鹊仓公列传全文解读
- 解读:中国古代酷刑的分析与反思
- 贪吃到把自己给吃了上古凶兽饕餮的身世解读
- 转自知乎“智能制造之家“ 工控协议解读之EtherCAT协议硬核分析
- 历史解读:张飞字益德而非翼德
- 解读刘彻究竟爱不爱卫子夫
- 解读秦桧为什么要害岳飞?岳飞都有哪些诗词?
- 解读:中国古地图鲜为人知的秘密
- 从政权制度上来解读太平天国:更长知识!