看代码解读CenterNet :Objects as Points

 

文章目录

• • 1. idea
  • 2. 网络结果
  • • 2.1 hm分支
    • 2.2 wh分支
    • 2.3 reg分支
  • 3. 数据+loss
  • 4. 推理
  • 结果
  • reference

摘要：
centernet是单阶段的目标检测网络，采用高斯图来表示目标，速度很快，比YOLOV3更快，效果方面没有对比过。网上也没有具体的对比。

 

这篇通过读代码的方式来解读centernet，先来张图：

1. idea

文章主要用高斯分布来表示目标，就是一个目标用高斯分布来覆盖，目标中心点的值越大。

2. 网络结果

2.1 hm分支

整个网络主要有bone net特征提取网络和输出部分组成，网络结果如上图所示，特征提取网络就不细讲了。用高斯分布来表示目标，网络第三个分支/hm输出部分网络如下：

nn.Sequential(    nn.Conv2d(64, 256, kernel_size=3, padding=1, bias=True),
                  nn.ReLU(inplace=True),
                  nn.Conv2d(256, classes, kernel_size=final_kernel, stride=1, padding=final_kernel // 2, bias=True))

其实就是一个conv2d(64,256),relu(),conv2d(256,1)，最后的输出为n_category×128×128，一个类别一个通道，其中每个点的值表示：是目标的概率有多大。上图是只有一个类别的情况。

2.2 wh分支

网络定义为：

nn.Sequential(    nn.Conv2d(64, 256, kernel_size=3, padding=1, bias=True),
                  nn.ReLU(inplace=True),
                  nn.Conv2d(256, 2, kernel_size=final_kernel, stride=1, padding=final_kernel // 2, bias=True))

分支最后输出：2×128×128，所有类别用共同的预测宽度w和高度h。

2.3 reg分支

网络定义为：

nn.Sequential(    nn.Conv2d(64, 256, kernel_size=3, padding=1, bias=True),
                  nn.ReLU(inplace=True),
                  nn.Conv2d(256, 2, kernel_size=final_kernel, stride=1, padding=final_kernel // 2, bias=True))

分支输出：2×128×128，每个点的两个值表示，当前index为目标时hm输出位置的偏差，所有类别用共同的w，h预测值。

总结： 整个网络还是很好理解的。

---

3. 数据+loss

1. 分类误差
   采用的focalloss，target是一个n_cat×128×128的矩阵，每一个channel表示一个类别，128×128的每个值是用高斯分布覆盖目标处理出来的。
2. 尺寸误差
   target是：（2×n_category）×128×128矩阵，用L1_loss。
3. 中心点修正误差
   target是：（2×n_category）×128×128矩阵，用L1_loss。

4. 推理

1. 网络前向传播

output = self.model(images)[-1]
hm = output['hm'].sigmoid_()
wh = output['wh']
reg = output['reg']

就是正常的前向，hm的输出要经过sigmoid。

2. 对hm用max_pool2d（3*3）进行滤波

hmax = nn.functional.max_pool2d(heat, (kernel, kernel), stride=1, padding=pad)

3. 根据hm的值筛选出前100

scores, inds, clses, ys, xs = _topk(heat, K=K)

4. 对结果进行一些后处理，比如中点+reg等

---

结果

reference

1. 【论文笔记】CenterNet：Objects as Points
2. centernet源码