CornerNet是一种anchor free的目标检测方法，不需要设置anchor，而是通过检测关键点(Keypoints)，即目标的左上角(Top-Left Corners)和右下角(Bottom-Right Corners)，再进行配对，来实现目标的检测。

网络的前半部分是一个卷积网络，后半部分是两个独立的分支，一个检测Top-Left Corners，另一个检测Bottom-Right Corners，两个分支分别生成一个热图，来预测每一个位置是Top-Left Corner或者Bottom-Right Corner的置信度。预测使用一种新的组件：Corner pooling。Top-Left Corners或者Bottom-Right Corners通常在目标之外，所以在每一个位置需要向右看和向下看，即向右最大化池化和向下最大化池化，再将两个值相加。

由于卷积网络得到的点的位置不可能和GT目标的Top-Left Corners或者Bottom-Right Corners刚好重合，于是规定只要点的位置和GT目标的Top-Left Corners或者Bottom-Right Corners在一个半径之内，就把相应的点作为正样本训练，半径的大小要确保半径内的一对点生成的边界框与GT的IoU ≥ t，t的值论文设置为0.7。

 

参考文献：CornerNet: Detecting Objects as Paired Keypoints