#726
summarized by : ERLYN MANGUILIMOTAN
Bottom-Up Object Detection by Grouping Extreme and Center Points

どんな論文か?

ボトムアップ、トップダウンのアプローチから、長年にわたってオブジェクト検出が優位を占めてきました。 このホワイトペーパーでは、ExtremeNetを導入して、オブジェクト検出のボトムアップアプローチの強さについて説明します。 オブジェクトの極端な点(一番上、一番左、一番下、一番右)を検出するボトムアップのオブジェクト検出フレームワーク。
placeholder

新規性

CornetNetのような他の作品でも、オブジェクト検出にディープキーポイント予測を使用しています。 この文書は、キーポイントの定義とグループ化の点で異なります。 キーポイントの定義では、ExtremeNetは上記の極端なポイントを取りますが、CornetNet 2はバウンディングボックスの反対側のコーナーです。 グルーピングの場合、検出は暗黙の特徴学習なしで完全に外観に基づいています。

結果

504/5000 この作業は、MS COOデータセットで評価されました。これには、80カテゴリの豊富なバウンディングボックスとインスタンスセグメンテーションアノテーションが含まれています。 ExtremeNetは最先端の方法と比較されています。 提案されたモデルは、すべての1段検出器より優れており、2つの有名な1段法であるCornerNerおよびRefineDetと同等です。

その他(なぜ通ったか?等)

モデルはインスタンスのセグメンテーションでも評価されました。予測極値点に基づく単純な八角形マスクは、境界ボックスのベースラインよりもはるかに優れた18.9%のマスクAPを取得します。