简介
- 问题
在2018年，大多数成功的目标检测算法都是通过枚举无穷潜在的目标框，这样会加大计算成本。CenterNet（无锚检测算法）的提出缓解了这一问题。
- 主要贡献
使用MS COCO数据集
- ResNet 18+upsample+deformable convolution: 28.1 AP/142 FPS
- DLA 34+upsample+deformable convolution: 37.4 AP/52 FPS
- Hourglass104:45.1%/ 1.4FPS(test)
- 用于3D检测
- 用于人体姿态检测
流程图
首先输入一张3*512*512的图片；再传入骨干网络(ResNet残差网络、Stacked Hourglass Network堆叠沙漏网络、DLA深度聚合网络)提取到特征图，接着传入检测头网络，最后将特征图分为三大部分输出(HeatMap热力图部分也是置信度：80(COCO类别)*128(特征图的大小)*128、WH目标的宽高部分：2(W\H)*128*128、XY中心点的偏移量部分：2(X\Y)*128*128)用于计算损失进行训练。
骨干网络
1.ResNet（残差网络）
这个网络不用多说，是2015年何凯明提出的（记忆中），特别经典，用于解决网络在回传时发生的梯度消失的问题。
2.Stack Hourglass Network（堆叠沙漏网络）
首先堆叠沙漏网络的由来:由于以前的网络通常使用最后一层的卷积层特征，这样会造成信息的丢失。因为网络的每层卷积提取的是不同的特征，例如提取人脸的特征，可能第一层卷积提取的特征是人脸轮廓的特征，第二层和第三层、第四层等卷积层提取鼻子或眼睛、嘴巴等特征。
其次，使用堆叠沙漏网络将各个不同卷积层的特征进行融合，进而缓解信息丢失的问题。
最后，由下图可得，堆叠沙漏网络可由Pre(卷积层) 与多个kps模块与Inters（中间监督卷积层）组成。其中最重要的部分为KPS模块，此思想是借用的残差模块skip的思想。
3.DLA（Deep Layer Aggregation 深度聚合网络）
要了解深度聚合网络必须得明白语义融合与空间融合
语义融合：通道间的融合，提升模型的分类能力。
空间融合：尺度与分辨率的融合，提升模型的定位能力。
- FPN则是空间融合（特征融合时采用像素点相加而非通道相加）。
- DensNet则是语义融合，此思想也是借鉴残差模块的skip（将每层特征都去做了skip)
- 而DLA则是集合了FPN与DensNet的思想，如下图，其中一个
红色框代表一个树形结构，红色框中的绿色节点代表树的根节点。橘黄色的箭头，代表前一个根节点与后一个根节点的特征融合，其余的与一般网络结构无二。