本文为CenterNet作者发表的，论文提出anchor-free/two-stage目标检测算法CPN，使用关键点提取候选框再使用两阶段分类器进行预测。论文整体思路很简单，但CPN的准确率和推理速度都很不错，比原本的关键点算法更快，源码也会公开，到时可以一试
来源：晓飞的算法工程笔记 公众号
论文: Corner Proposal Network for Anchor-free,Two-stage Object Detection
Introduction
目前，amchor-based目标检测方法和anchor-free目标检测方法都涌现了大量的优秀检测方案。论文认为，对于形状特异的目标，anchor-free目标检测方式比较占优，但acnhor-free方法通常会出现大量的误检，如图1所示，需要一个独立的分类器来提升检测的准确率。为此，论文提出CPNDet(Corner Proposal Network)，结合了anchor-free和two-stage的检测范式。先基于CornerNet进行角点检测，将有效的角点枚举组合成大量候选预测框。由于候选框包含大量负样本，先训练一个二值分类器过滤大部分的候选预测框，再使用多类别分类器进行标签预测。
Anchor-based or Anchor-free? One-stage or Two-stage?
这里论文主要讨论anchor-based vs anchor-free以及one-stage vs two-stage的问题。
Anchor-based or Anchor-free?
Anchor-based方法将大量的anchor平铺在特征图上，然后预测每个anchor是否包含物体以及标签。通常，anchor是与图片特定的位置关联，大小也是相对固定的，bbox回归能够轻微地改变其几何形状。Anchor-free方法则不受预设的anchor限制，直接定位目标的关键点，然后再预测其形状和标签。所以，论文认为anchor-free方法在任意形状目标的定位上更灵活，召回率也更高。
论文也对anchor-based方法和anchor-free方法在不同大小以及不同比例的目标上的进行召回率对比，结果如上表所示。可以看出anchor-free方法通常有较高的召回率，特别是在长宽比较大的物体上，anchor-based方法由于预设的anchor与目标差异大，召回率偏低。其次，FCOS虽然也是anchor-free方法，但其最后需要预测关键点到边界的距离，这在这种场合下也难以预测。
One-stage or Two stage?
虽然anchor-free方法解决了寻找目标候选框的约束，但由于缺乏目标的内部信息，难以很好地建立关键点与目标之间的联系，会给检测的准确率带来较大的影响，而关键点和目标之间的联系的建立通常需要丰富的语义信息。
论文将高召回率CornerNet和CenterNet作为实验目标，结果如上表所示。主干网络的加强能够带来准确率的提升，但仍然有很多的误检。如果去掉无目标的误检($AP_{refined}$)以及纠正标签的错误识别($AP_{correct}$)后，准确率能够明显地提升了。上述的实验说明，为了建立关键点与目标间的联系，需要借用two-stage的范式，提取候选框的信息来过滤误检部分。
The Framework of Corner Proposal Network
基于上面的分析，论文结合acnhor-free方法和two-stage范式提出了Corner-Proposal-Network(CPN)，完整的结构如图2所示。首先使用anchor-free方法提取关键点，遍历关键点组合成候选框，最后使用两个分类器分别对候选框进行误检过滤以及标签预测。
Stage 1: Anchor-free Proposals with Corner Keypoints
第一阶段为anchor-free候选框提取过程，假定每个目标都由两个关键点进行定位，先根据CornerNet输出两组角点的热图，选择top-k个左上角点以及top-k个右下角点。将有效的关键点组合成目标的候选框，关键点组合是否有效主要有两个判断：
- 关键点是否属于同一个类别
- 左上角点必须在右上角点的左上位置
尽管论文基于CornerNet提取候选框，但后处理有较大差异。CornerNet使用embedding向量来组合关键点，论文认为embedding向量并不能保证是可学习的，而论文采用独立的分类器进行处理，能够使用完整的中间特征来提升准确率。
Stage 2: Two-step Classification for Filtering Proposals
基于anchor-free方法提取候选框虽然召回率很高，但会带来大量的误检，论文采用two-step分类方法进行过滤和校正。首先采用轻量的二值分类器过滤80%的候选框，然后使用多分类器预测剩余候选框的类别。
第一步训练二值分类器来决定候选框是否为目标，采用$7\times 7$的RoIAlign提取每个候选框的在box特征图上的特征，然后使用1个$32\times 7\times 7$的卷积层来输出每个预测框的分类置信度，损失函数为：
$M$为总候选框数，$N$为正样本数，$p_m$为$m$候选框为目标的概率，$\tau$为IoU阈值，设为0.7。
第二步用于给剩余的候选框预测类别，由于缺乏目标的内部信息的，关键点的类别通常不太准确，所以需要强大的分类器来根据ROI特征进行预测。首先使用$7\times 7$的ROIAlign提取每个候选框在category特征图上的特征，然后使用$C$个$256\times 7\times 7$的卷积层输出$C$维向量，$C$为类别数量，损失函数为：
$\hat{M}$和$\hat{N}$为过滤后的候选框数量和正样本数量，$q_{m,c}$为$m$候选框的$c$类别置信度，其余的参数与第一步类似。
The Inference Process
推理过程跟训练过程基本一样，由于训练过程包含很多低质量的预测框，$p_m$和$q_{m,c}$的值是偏向零的，所以推理阶段第一步使用相对低的阈值(0.2)进行过滤，大约保留20%的候选框。在第二步，每个候选框有两个标签，分别为角点预测的标签$s_1$和第二阶段分类器预测的标签$s_2$，当其中一个标签分数大于0.5时才将候选框输出，分数计算为$s_c=(s_1+0.5)(s_2+0.5)$，再归一化到$[0,1]$。
Experiments
与SOTA检测算法进行对比，初始的输入分辨率为$511\times 511$。
推理阶段的两个分类器对性能的影响，B-Classifier为二值分类器，M-Classifier为多标签分类器。
相对于其它keypoint-based方法，CPN误检更低。
二值分类器与CornerNet的embedding向量的性能对比。
推理速度对比。
CONCLUSION
论文提出anchor-free/two-stage目标检测算法CPN，使用关键点提取候选框再使用两阶段分类器进行预测。论文整体思路很简单，但CPN的准确率和推理速度都很不错，比原本的关键点算法更快，论文的细节也值得推敲。
如果本文对你有帮助，麻烦点个赞或在看呗～
更多内容请关注 微信公众号【晓飞的算法工程笔记】
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。