【Objects as Points】

as

目录

在本文中，我们采取了不同的方法。我们将对象建模为单个点，即其边界框的中心点。我们的检测器使用关键点估计来找到中心点，并回归到所有其他对象的财产，例如大小、3D位置、方向、设置姿势。

我们的基于中心的方法是端到端可微的，比相应的基于边界框的检测器更简单、更快、更准确。

总之我们为对象提供了一种新的表示形式：点。

我们的对象检测器建立在成功的关键点估计网络之上，查找对象中心，并回归到它们的大小。

该算法简单、快捷、准确、端到端可微，无需任何NMS后处理。这个想法是通用的，并且在简单的二维检测之外有广泛的应用。

可以在一次向前传递中估计一些列额外的对象属性，如姿态、3D方向、深度和范围。

我们的初步实验令人鼓舞，并为实时目标识别和相关任务开辟了新的方向。

我们用边界框的中心的一个点来表示对象(图2)。

然后直接从中心位置的图像特征回归其他属性，例如对象大小、尺寸、3D范围、方向和姿态。

因此目标检测是一个标准的关键点估计问题。我们只需要将输入图像输入到一个全卷积网络，该网络生成热图。热图中的峰值对应物体的中心。每个峰值的图像特征预测物体边界框的高度和权重。该模型使用标准的密集监督学习进行训练。推理是一个单一的网络正向传递，没有用于后处理的非极大值抑制。

我们的方法是通用的，只需付出很小的努力就可以扩展到其他任务。

我们通过预测每个中心点的额外输出，提供了3D对象检测和多人人体姿态估计的实验。(见图4)

对于3D边界框估计，我们回归到对象绝对深度、3D边界框尺寸和对象方向。

对于人体姿态估计，我们将2D关节位置视为距中心的偏移，并在中心点位置直接回归他们。

work

我们的方法与基于的单阶段方法密切相关。一个中心点可以看作是一个单一的形状不可知的(图3)。但是也有一些重要的区别。首先，我们的仅根据位置而不是方框重叠来分配。我们没有用于前景和背景分类的手动阈值。其次，我们每个对象只有一个中心点，并不需要非极大值抑制。我们简单地提取关键点热图的局部峰值。第三，与传统的对象检测器相比，使用了更大的输出分辨率。这样就不需要多个。

我们不是第一个将关键点估计用于目标检测。检测两个边界框角作为关键点，而检测所有目标的顶部、左侧、底部、最右侧和中间点。这两种方法都建立在与我们的相同的鲁棒关键点估计网络上。然而，它们需要关键点检测后进行组合分组，这大大减慢了每个算法的速度。另一方面，我们的只是简单地提取每个对象的单个中心点，而不需要分组或后处理。

单目三维目标检测。3D box估计为自动驾驶提供动力。

as