论文地址：http://arxiv.org/pdf/2003.09119v1.pdf 代码：https://github.com/kiveedong/centripetalnet. 来源：西安交通大学 论文名称：CentripetalNet: Pursuing High-quality Keypoint Pairs for ObjectDetection 原文作者：Zhiwei Dong
基于关键点的探测器取得了良好的性能。然而，错误关键点的匹配仍然很普遍，严重影响了探测器的性能。为了解决上述问题，论文提出的CentripetalNet，使用向心位移匹配同一目标的角点。该模型预测角点的位置和向心位移，并根据位移的对齐情况匹配角点，这比传统使用的嵌入方法更加有效，在匹配角点时根据嵌入向量的距离进行匹配。此外，该模型可通过添加一个mask分支用于实例分割。实验结果为该模型在MS COCO数据集上目标检测的AP为48.0%、实例分割的MaskAP为40.2%，在Anchors﹣Free目标检测方法上达到了SOTA。
本文创新点：（一）提出基于关键点的目标检测方法；（二）提出向心位移概念改善关键点配对，改善传统匹配问题；（三）添加掩膜分支，将模型应用于实例分割任务；（四）在Anchors﹣Free目标检测方法上达到了SOTA，在实例分割任务上MaskAP为40.2%。
下面是论文具体框架结构以及实验结果：
声明：文章来自于网络，仅用于学习分享，版权归原作者所有。
