获取完整原文和代码，公众号回复：09020788511
论文地址： http://arxiv.org/pdf/2003.09119v1.pdf
代码： 公众号回复：09020788511
来源： 西安交通大学&&商汤研究院
论文名称：CentripetalNet: Pursuing High-quality Keypoint Pairs for Object Detection
原文作者：Zhiwei Dong
内容提要
基于关键点的探测器已经取得了相当好的性能。然而，不正确的关键点匹配仍然很普遍，这严重影响了探测器的性能。在本文中，我们提出了用向心位移对同一实例的角点进行配对的“向心网”--CentrpetalNet。CentrpetalNetto通过预测角点的位置和向心位移来匹配位移结果对齐的角点，其背后的思想是同一个物体的不同关键点应该对应同一个物体中心点。结合位置信息，我们的方法能够比传统的嵌入方法更准确地匹配角点。现有方法使用角点池化的方法将物体边界信息聚合到角点位置，然而我们发现角点位置依然缺乏物体内部信息，为了使这些信息在角落更加清晰，我们设计了一个跨星变形卷积网络进行特征自适应。成功地提取了这些物体内部信息，从而优化了角点位置的物体特征，提高了模型性能。此外，我们还通过在centrpetalnet上装备一个掩模预测模块来探索无锚检测器上的实例分割。Centripetalnet在大型公开数据集MS-COCO上达到了目前anchor-free检测模型中的最优效果。
主要框架及实验结果
声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。
