CornerNet: Detecting Objects as Paired Keypoints

one-stage;
不再采用anchor boxes机制；
the top-left corner and bottom-right；
一个CNN预测同一对象类别的两组热图（左上角，右下角，an embedding vector for each detected corner.两个角点的嵌入距离来自同一个对象的距离很小）；
网络还预测偏移；
提出了corner pooling层用来帮助CNN定位目标框的角；
corner pooling层：采用了两个特征映射；一个是对特征映射向右最大池化所有特征矢量，另一个是对特征映射下面最大池所有特征向量；最后将两个合并的结果加在一起，如下图。

利用预测的热图、嵌入向量和偏移量，再简单的后处理算法来获得最终的bounding boxes；
以hourglass network为骨干网络，之后是两个预测模块（一个模块用于左上角，一个用于右下角），两个预测模块中有自己的corner pooling层，之后是corner pooling层；
网络中没有用到尺度，只把两个预测模块都用到hourglass network的输出端；整个模型如下图：

训练时：最小化对目标位置半径内的背景的惩罚。不再使用原来类似IOU这样计算覆盖率为目标，原因如下图，绿色的是预测结果，红色是真实标签，这样的预测结果计算出来的覆盖率值很大，但并不是最准确的结果。

如何匹配左上角的右下角的点：如果左上角点的。。和右下角点的。。计算。。小于阈值就视为是一对，如果有多对怎么筛选？
用的损失函数是focal loss的改进：

由于下采样，当将热度图和输入图像的位置重新映射时，可能会失去一些精度。 为了解决这个问题，我们预测位置偏移，稍微调整角落位置，然后再将它们映射到输入。
Corner Pooling层：为了确定一个像素是否是左上角，我们需要水平地看向物体的最上边界，垂直地看向最左边界的底部。如图：

左上角时：左(从右往左看，v=max(v,v右侧))+上(从下往上看，v=max(v,v下侧))，计算过程如上图。
右下角时：右(从左往右看，v=max(v,v左侧))+下(从上往下看，v=max(v,v上侧))
所以整个预测模块如下图：

程序：