[paper reading] CornerNet

[paper reading] CornerNet

GitHub：Notes of Classic Detection Papers

本来想放到GitHub的，结果GitHub不支持公式。
没办法只能放到CSDN，但是格式也有些乱
强烈建议去GitHub上下载源文件，来阅读学习！！！这样阅读体验才是最好的
当然，如果有用，希望能给个star！

topic	motivation	technique	key element	math	use yourself	relativity
CornerNet	Problem to Solve KeyPoints (Anchor-Free)	CornerNet Stacked Hourglass Network Prediction Module Corner Pooling	Why CornerNet Better? Why Corner Pooling Works Grouping Corners Getting Bounding Box Data Augmentation Ablation Experiments	Loss Function Corner Pooling Math	Network Design Interpretability Divide Task TTA	Two-Stage One-Stage

文章目录

• [paper reading] CornerNet
• • Motivation
  • • Problem to Solve
    • KeyPoints (Anchor-Free)
  • Technique
  • • CornerNet
    • • Idea
      • Architecture
      • Components
    • Stacked Hourglass Network
    • • Components
      • Hourglass Module
      • Advantage
      • Improvement & Settings
      • Details
    • Prediction Module
    • Corner Pooling
  • Key Element
  • • Why CornerNet Better?
    • Why Corner Pooling Works
    • Grouping Corners
    • Getting Bounding Box
    • Data Augmentation
    • • Training
      • Testing
    • Ablation Experiments
    • • Corner Pooling
      • Stability of Corner Pooling over Larger Area
      • Reducing Penalty to Negative Locations
      • Hourglass Network Works
      • Quality of the Bounding Boxes
      • Error Analysis
      • Compared to SOTA
  • Math
  • • Loss Function
    • • Detection Loss
      • Offset Loss
      • Pull Loss
      • Push Loss
    • Corner Pooling Math
  • Use Yourself
  • • Network Design
    • Intuition & Interpretability
    • • Interpretability For Delicate Motivation
      • Anchor-Based or Anchor-Free
    • Divide Task
    • TTA
  • Related Work
  • • Two-Stage
    • • R-CNN
      • SPP & Fast-RCNN
      • Faster RCNN
      • R-FCN
      • DeNet
    • One-Stage
    • • YOLO
      • SSD
      • DSSD & RON
      • RetinaNet
      • RefineDet
      • Point Linking Network（PLN）
  • Blogs

Motivation

Problem to Solve

anchor的使用会带来一些弊端

1. 需要大量的anchor

   以确保ground-truth box的覆盖率

   这会导致极端的正负样本不平衡，导致训练低效、网络退化

2. 引入许多的hyperparameters和design choice

   以确保模型对于各种scale和ratio的object都具有良好的基准

   这在multi-scale的architecture中会更复杂（比如SSD和RetinaNet）

KeyPoints (Anchor-Free)

即：使用一对KeyPoints表示一个bounding box

Technique

CornerNet

Idea

使用一对KeyPoints表示一个bounding box

Architecture

Pipeline of CornerNet  Overview of CornerNet

Detailed Architecture of CornerNet

Components

• backbone
• 2 prediction module

Stacked Hourglass Network

Components

Stacked Hourglass Network = 2 Hourglass Module ==> ×4 downsampleing

Hourglass Module

每个box都是一个residual module

hourglass module对输入的feature map进行5层下采样和上采样，通过skip connection恢复细节信息

Hourglass Module对于细节信息的恢复，和Feature Pyramid Network的思路是一样的

Advantage

Hourglass Network 可以作为 object detention 的理想选择

1. 是一个single unified structure
2. 可以同时获得 global 和 local 的feature
3. 多个hourglass module的堆叠可以提取到higher-level的信息

Improvement & Settings

本文使用2个hourglass module构成hourglass network

改进如下：

• 弃用max pooling，使用stride=2的卷积层来降低feature的分辨率

  在实验中，resolution降低5次，对应upsampling也是5次

• intermediate supervision

  类似GoogLeNet到的auxiliary classifier（gradient injection）

Details

• upsample：

  2个residual module，后面再跟nearest neighbor upsampling

• skip connection：

  每个skip connection也包括2个residual module

  （注意2个residual module的位置）

• hourglass module & residual module：

  每个hourglass module都有4个通道数为512的residual module

• pre down-sampling：

  • 7 × 7 7×7 7×7 Conv，stride=2，channel=128
  • residual block，stride=2，channel=256

• connection between hourglass modules：

  1. 对第一个hourglass module的Input和output，都经过一个 1×1 Conv-BN

  2. 将第1步的结果，进行对应元素的相加，在经过1个256 channel的residual block

  3. 将第2步的结果，作为第二个hourglass module的输入

• prediction：

  仅使用最后一层feature map（不使用Feature Pyramid）

Prediction Module

• heatmap

  对top-left corner和bottom-right corner分别预测一个heatmap ==> 本质是一个binary mask，表明每个location是不是该类的corner

  其维度为 H × W × C H×W×C H×W×C KaTeX parse error: Expected '}', got '_' at position 13: (\text{batch_̲size}, 128, 128…，其中 H H H、 W W W 为输入image的size， C C C 为foreground的类别数

  heatmap的通道数为foreground的类别数，是因为不需要对background寻找corner（当然分类时还是需要将background作为一类）

  ==> 用以表示corner的location

  可能产生的错误类型：

  一堆corner中任何一个的丢失，会导致这个object的丢失（这也是为什么只选择2个corner而不是4个corner来表示object）

• embedding

  对每个检测到的corner预测一个embedding vector

  其维度为 H × W × 1 H×W×1 H×W×1 KaTeX parse error: Expected '}', got '_' at position 13: (\text{batch_̲size}, 128, 128…

  ==> 用以使得同一个object的corner的embedding distance尽可能小（嵌入到子空间的同一位置）

  可能产生的错误类型：

  错误的embedding，会导致false bounding box

• offset

  对每个corner预测一个offset

  其维度为 H × W × 2 H×W×2 H×W×2 KaTeX parse error: Expected '}', got '_' at position 13: (\text{batch_̲size}, 128, 128…

  ==> 用以调整bounding box的coordinate

  可能产生的错误类型：

不准确的offset，会导致松散的bounding box

Corner Pooling

Corner Pooling的输出并不是直接用于heatmap、embedding、offset的预测

• Introduction：

  一种pooling layer，获得corner信息的更好表示

• Operation：

  由于corner都是在object之外，所以无法通过local evidence寻找corner

  

  所以，采用以下的方式确定corner：

  • top-left corner：向左看确定上边界、向上看确定左边界
  • bottom-right corner：向右看确定下边界、向下看确定右边界

  以top-left为例子，是分别选取2个feature map，分别在2个方向上进行max pooling

  （bottom-right pooling仅仅是向量的坐标范围（pooling的方向）不同）

  

  Overview of Corner Pooling Details of Corner Pooling (gary layer: 3×3 Conv-BN-ReLU) Example of Corner Pooling

• Math Formulation：

  公式表述见 [Corner Pooling Math](#Corner Pooling Math)

Key Element

Why CornerNet Better?

• corner仅仅依赖2个边来确定（而center需要4个边来确定）==> 丢失object的情况会减轻

• corner pooling 可以encode一些corners的先验知识

• corners对于box的表示效率高

  O ( w h ) O(wh) O(wh) 的corners可以表示 O ( w 2 h 2 ) O(w^2h^2) O(w2h2) 的box

Why Corner Pooling Works

有2点有待于实验验证：

• Corner Pooling的2个输入feature map的区别
• Stacked Hourglass Network的输出feature map到底长啥样

需要注意：corner pooling只是model的一部分，其不负责从image中提取feature map，其**结果也不是直接用于prediction（后续还有处理），**我个人理解为“corner pooling只是获得了对corner的更好的representation”，仅此而已。

总结来说，我认为有3点：

• Stacked Hourglass Network本质上是一个KeyPoint Estimation Network，进行的是per-pixel的dense prediction，已经能初步获得了corner location的estimation

• Corner Pooling作为一种pooling操作，实现了pixel信息的空间位置的转移，将Hourglass Network估计的信息汇聚到corner的位置上，获得corner的更好的representation

• 使用2个独立的feature map，降低了2路信号的相关性，使得feature map更专注于单个direction的edge信息，

  这是因为一个corner（top-left / bottom-right）必然有2路独立的信息来源

---

Corner Pooling本质上是对于feature map的一种pooling操作

要理解Corner Pooling的作用，首先要了解feature map的含义

CornerNet的backbone是Stacked Hourglass Network。 Corner Pooling的输入就是Stacked Hourglass Network的输出

Stacked Hourglass Network本质上是一个KeyPoint Estimation Network，进行的是per-pixel的dense prediction

具体来说，我认为Stacked Hourglass Network已经能初步获得了corner location的estimation

换句话说，其每个pixel（location）都具有相对完整的信息，这个单独的pixel理论上就可以拿去做后续的操作了（而不是像Classification一样需要整张图片才能表示完整的信息）

所以说，Corner Pooling是实现了pixel信息的空间位置的转移，获得corner的更好的representation（原文的描述是 “help better locate corners”）

关于Stacked Hourglass Network能在每个pixel上表示什么信息，我认为是可以表示edge（尤其是顶点）的信息的。因为Stacked Hourglass Network本身就是非常复杂且完备的KeyPoint Estimation Network，经过训练我觉得可以表示edge（尤其是顶点）的信息的

此外，corner pooling会使用2个独立的feature map，来分别预测top-most和left-most，类似于2个方向的边缘检测算子的输出。corner的确定必然有2个独立的信息来源！如果使用同一个feature map的话，其最大**值的位置在corner pooling后依旧还会是最大值，其信息具有很强很强的相关性，corner pooling就失去了意义！

关于“次极大值被抑制”的问题：

以multi-object image来看，如果在Max Pooling的较前位置出现了极大值，会导致较后位置的次极大值被抑制（如下图所示）

但实际中不会出现这样的问题，原因如下：

最终corner的location的确定，是对两个Max Pooling方向的支路的element-wise的相加。换句话说，corner的位置由两个支路的信息确定

当一个支路的corner信息被抑制，另一个支路依旧会独立检测出corner信息，从而共同确定corner的location

为了画图方便，我们对Corner Pooling的两个支路输入相同的feature map（作图有很多不恰当的地方，仅为了说明思路）

可以看到水平方向的支路中，左侧object的corner信息被抑制了，而垂直方向的支路正常

将二者相加后：

可以看到，当水平支路的corner信息被抑制，垂直支路依旧会独立检测出corner信息，从而共同确定corner的location

当然，2个支路的corner极值都被抑制的时候，自然是无法检测到这个corner。

不过鉴于corner所占的位置很小，所以这种事情发生的概率也很小（所以corner pooling 在 small & large area 都是 effective & stable）

Grouping Corners

根据corners的embedding distance对corners进行分组

同一组的corner的embedding distance应该小

Getting Bounding Box

NMS ==> top-100 ==> offset ==> grouping ==> reject ==> score

测试时，根据heatmap、embedding、offset生成bounding box

1. 对corner heatmap进行NMS（3×3 max pooling）

2. 从corner heatmap中选取top-100的corner

3. 根据offset微调corner location

4. 计算corners的embedding的L1 distance

5. 拒绝两类corner pair：

   • distance > 0.5
   • corners来自不同的category

6. 计算detection score：

   对top-left corner和bottom-right corner的score取平均

Data Augmentation

Training

• horizontal filpping

• scaling

• croping

• color jittering

  • brightness（亮度）
  • saturation（饱和度）
  • constrast（对比度）

Testing

• 保留原始分辨率，补零到511×511（输出维度为128×128）
• original & filpped：
  1. 汇聚二者的的detection
  2. soft-nms抑制冗余的detection
  3. 取top-100的detection

Ablation Experiments

Corner Pooling

corner pooling对于中目标和小目标的提升大

Stability of Corner Pooling over Larger Area

corner pooling 在 small & large area 都是 effective & stable

area范围的由来：

• corner pooling仅作用于 1 4 \frac14 41​ 圆周（四个象限之一）
• 根据 ( i , j ) (i,j) (i,j) 的不同，area的范围也不同

Reducing Penalty to Negative Locations

penalty reduction有效（尤其是对于中目标和大目标）

原因：中目标和大目标对于corner location的要求更低

Hourglass Network Works

有两个结论：

• backbone的选择很重要
• hourglass对CornerNet的性能很重要

Quality of the Bounding Boxes

CornerNet可以产生质量更高的bounding box

衡量标准：bounding box与object的IoU

Error Analysis

结论：

1. CornerNet的主要瓶颈是 detecting corners
2. detecting corners 和 grouping corners 均有提升空间

Compared to SOTA

Math

Loss Function

L = L d e t + α L p u l l + β L p u s h + γ L o f f L = L_{det} + \alpha L_{pull} + \beta L_{push} + \gamma L_{off} L=Ldet​+αLpull​+βLpush​+γLoff​

Detection Loss

每个corner只对应一个location的positive，其他location均为negative

由于positive附近的点依旧能产生良好的bounding box，故对positive一定radius内的negative降低惩罚

• radius的确定

  对于不同size的object，要求radius内的一对点，与ground-truth box的IoU要大于阈值（实验中阈值设定为0.3）

• 惩罚的减少量

  由unnormalized 2D Gaussian确定
  e − x 2 + y 2 2 σ 2 e^{-\frac{x^2+y^2}{2\sigma^2}} e−2σ2x2+y2​

  • 中心为positive location
  • σ \sigma σ 为radius的 1 3 \frac13 31​

Detection Loss 为 Focal Loss 的变种：
L d e t = − 1 N ∑ c = 1 C ∑ i = 1 H ∑ j = 1 W { ( 1 − p c i j ) α log ⁡ ( p c i j )  if  y c i j = 1 ( 1 − y c i j ) β ( p c i j ) α log ⁡ ( 1 − p c i j )  otherwise  L_{d e t}=\frac{-1}{N} \sum_{c=1}^{C} \sum_{i=1}^{H} \sum_{j=1}^{W}\left\{\begin{array}{cc} \left(1-p_{c i j}\right)^{\alpha} \log \left(p_{c i j}\right) & \text { if } y_{c i j}=1 \\ \left(1-y_{c i j}\right)^{\beta}\left(p_{c i j}\right)^{\alpha} \log \left(1-p_{c i j}\right) & \text { otherwise } \end{array}\right. Ldet​=N−1​c=1∑C​i=1∑H​j=1∑W​{(1−pcij​)αlog(pcij​)(1−ycij​)β(pcij​)αlog(1−pcij​)​ if ycij​=1 otherwise ​

• y c i j y_{cij} ycij​ ：unnormalized Gaussian 增强的 ground-truth heatmap

  ( 1 − y c i j ) (1-y_{cij}) (1−ycij​) 起到降低惩罚的作用

• p c i j p_{cij} pcij​ ：heatmap上类别为 c c c 的 ( i , j ) (i,j) (i,j) 位置的score

• N N N ：image中的object的数目

• α , β \alpha, \beta α,β ：两个起调节作用的超参数

Offset Loss

由于降采样，image中 ( x , y ) (x,y) (x,y) 会map到heatmap的 ( ⌊ x n ⌋ , ⌊ y n ⌋ ) (\lfloor \frac x n \rfloor,\lfloor \frac y n \rfloor) (⌊nx​⌋,⌊ny​⌋) 上

从heatmap去remap到image时会损失一些精确的信息，这会严重影响small bounding box的IoU

所以要通过offset对corner location进行微调

令offset o k \boldsymbol{o}_{k} ok​ 为：
o k = ( x k n − ⌊ x k n ⌋ , y k n − ⌊ y k n ⌋ ) \boldsymbol{o}_{k}=\left(\frac{x_{k}}{n}-\left\lfloor\frac{x_{k}}{n}\right\rfloor, \frac{y_{k}}{n}-\left\lfloor\frac{y_{k}}{n}\right\rfloor\right) ok​=(nxk​​−⌊nxk​​⌋,nyk​​−⌊nyk​​⌋)
Offset Loss 定义为 o k \boldsymbol{o}_{k} ok​ 的 smooth L1 Loss
L o f f = 1 N ∑ k = 1 N SmoothL1Loss ( o k , o ^ k ) L_{off} = \frac 1 N \sum_{k=1}^N \text{SmoothL1Loss} (\boldsymbol{o}_{k}, \hat{\boldsymbol{o}}_{k} ) Loff​=N1​k=1∑N​SmoothL1Loss(ok​,o^k​)

Pull Loss

使得同一组的corner的embedding distance尽可能小（embedding相同），即使得 e t k = e b k = e k e_{t_{k}}=e_{b_k}=e_{k} etk​​=ebk​​=ek​

L p u l l = 1 N ∑ k = 1 N [ ( e t k − e k ) 2 + ( e b k − e k ) 2 ] L_{p u l l}=\frac{1}{N} \sum_{k=1}^{N}\left[\left(e_{t_{k}}-e_{k}\right)^{2}+\left(e_{b_{k}}-e_{k}\right)^{2}\right] Lpull​=N1​k=1∑N​[(etk​​−ek​)2+(ebk​​−ek​)2]

• e t k e_{t_{k}} etk​​ ：top-left corner的embedding
• e b k e_{b_k} ebk​​ ：bottom-right corner的embedding
• e k e_{k} ek​ ： e t k e_{t_{k}} etk​​ 和 e b k e_{b_k} ebk​​ 的均值

Push Loss

使得不同组corners的embedding distance尽可能大

• Δ \Delta Δ ：实验中设定为1

Pull Loss 和 Push Loss从embedding的角度来看，是使得类内距离小，类间距离大

Corner Pooling Math

t i j = { max ( f t i j , t ( i + 1 ) j )  if  i < H f t H j  otherwise  t_{ij}= \left\{\begin{array}{cc} \text{max} (f_{t_{ij}}, t_{(i+1)j}) & \text { if }i<H \\ f_{t_{Hj}} & \text { otherwise } \end{array}\right. tij​={max(ftij​​,t(i+1)j​)ftHj​​​ if i<H otherwise ​

l i j = { max ( f l i j , t ( i + 1 ) j )  if  j < W f t i W  otherwise  l_{ij}= \left\{\begin{array}{cc} \text{max} (f_{l_{ij}}, t_{(i+1)j}) & \text { if } j<W \\ f_{t_{iW}} & \text { otherwise } \end{array}\right. lij​={max(flij​​,t(i+1)j​)ftiW​​​ if j<W otherwise ​

• f t f_t ft​ 和 f l f_l fl​ ：top-left Corner Pooling的输入feature map
• f t i j f_{t_{ij}} ftij​​ 和 f l i j f_{l_{ij}} flij​​ ： f t f_t ft​ 和 f l f_l fl​ 在 ( i , j ) (i,j) (i,j) 处的vector
• t i j t_{ij} tij​ ：在 f t f_t ft​ 的 ( i , j ) (i,j) (i,j) 和 ( i , H ) (i,H) (i,H) 进行max pooling的结果
• l i j l_{ij} lij​ ：在 $f_l $ 的 ( i , j ) (i,j) (i,j) 和 ( W , j ) (W,j) (W,j) 进行max pooling的结果

上面两个式子都是一种递归调用， f t H j f_{t_{Hj}} ftHj​​ 作为 t i j t_{ij} tij​ 的递归边界， f t i W f_{t_{iW}} ftiW​​ 作为 l i j l_{ij} lij​ 的递归边界

表明从边界向点 ( i , j ) (i,j) (i,j) 计算max-pooling

Use Yourself

Network Design

网络的基本组件（卷积层、residual block，Inception module等）都可以服务于特定的设计目的，这种思路跟搭积木很像

举几个例子：

Faster-RCNN 的 RPN：

RetinaNet的FPN：

CornerNet 的 prediction module

从这3个例子可以看到，网络的设计思路在这里起到了很重要的作用

这是一种自顶向下的设计思路，是确定网络的功能，再通过具体的组件去实现所设计的功能

所以说，“直接套用之前论文中设计好的子网络”是一种错误的想法，真正的正确的思路应该是“从论文中学习设计思路”

甚至从更广义来说，backbone也不是让你拿过来就用的

• 一方面，需要对backbone进行修改，以适应后续的操作

• 另一方面，backbone中蕴含的设计思路，比backbone本身更有意义

Intuition & Interpretability

Interpretability For Delicate Motivation

回顾detection的发展，可以看出其对于网络结构和feature map的可解释性和理解深度的要求是逐渐加深的，只有这样才能设计出更巧妙更精致的方法

从对feature map的理解上看

• Faster-RCNN：

  Faster-RCNN作为two-stage方法，思路是proposal + classification

  Faster-RCNN甚至不需要去关注image中的object会对应到feature map的什么位置，因为其在feature map上进行的是 dense & grid 的饱和式采样

  这种思路其实是将feature map视作了黑箱

  

• YOLO v1：

  YOLO v1 作为首个one-stage方法，使用regression的方法进行detection

  YOLO v1在classification上有segmentation的意味

  这使得我们必须要知道，image中的object会对应到feature map的什么位置

  这在image和feature map的location relationship上迈出了关键一步

  

• SSD：

  SSD作为one-stage的方法，使用了multi-scale的feature maps

  SDD主要回答了2个问题：

  1. 使用不同level的feature map进行detection有什么区别？
  2. 使用多个level的feature map是否会提高detection的性能？

  具体来说

  • 对于第一个问题：SSD证明了不同level的feature map具有不同的detailed/location information和semantic information，且二者为负相关的关系（即detailed/location information和semantic information难以兼顾）

  • 对于第二个问题：SSD进行了feature map的multi-scale，证明了结合不同stage的feature map可以提高detection的性能

  SSD其实提出了 Feature Pyramid Network 的雏形。但SSD为了保证feature map的strong semantic，将使用的所有feature map都限制在了low-resolution（即使用backbone的输出作为pyramid的第一层）

  SSD真正去关注了feature map到底represent了什么信息，以及其representation能力随stage的变化情况

  

• RetinaNet：

  RetinaNet使用了完整的FPN，不再将feature map限制在low-resolution上，实现了在high-resolution上也能获得strong semantic的feature map

  Feature Pyramid Network（high-resolution & strong semantic的feature map的获得）将对于feature map所携带信息的理解更深入了一层

  

• CornerNet：

  CornerNet通过在feature map上进行Corner Pooling来获得feature map中包含的Corner信息

  CornerNet真正关注了feature map中每个pixel的含义，及其表示的representation，将对feature map的representation的理解深入细化到了pixel-level

  其对于feature map的不同位置的信息流动（object位置的信息流动到corner位置），也是一次有意义的尝试

  

Anchor-Based or Anchor-Free

• 从feature map的生成来看：

  即如何获得high-resolution & strong semantic的feature map

  从Faster-RCNN和YOLO的single-scale，到SSD的multi-scale，最后到RetinaNet使用的FPN，基本解决了这个问题

• 从feature map的使用来看：

  • Faster-RCNN、SSD、RetinaNet等方法均为anchor-based，其对于feature map的操作是饱和式检测，对feature map的内在信息的挖掘不足

    其对feature map使用的精细度是在整个feature map的level上

  • 在anchor-free的方法中：

    • YOLO的分类的思想类似于segmentation，对feature map的使用是patch-level（每个grid cell对应的feature map是最小单位）

    • CornerNet真正开启了在pixel-level上使用feature map的序幕，该方法对feature map中信息的挖掘和利用远远高于anchor-based方法和YOLO

      之后的anchor-free方法都可以划分到此类

Divide Task

要在同一个feature map上实现多个功能，可以采用多个支路分别进行

是否还对信息进行聚合，取决于其使用位置

RPN

class+box subnet of RetinaNet

prediction module of CornerNet

TTA

主要是color jitter 和 horizontal flip

要注意horizontal flip如何聚合检测结果：先聚合，再NMS

Related Work

Two-Stage

two-stage的常规思路是：

1. stage-1 生成 sparse set of regions of RoI
2. CNN对regions进行分类

R-CNN

使用 low-level vision algorithm 获得RoI，ConvNet进行分类

• 非端到端
• 计算冗余

SPP & Fast-RCNN

从feature map中获取RoI，ConvNet分类

• 依旧是分立的proposal算法，无法端到端训练

Faster RCNN

引入RPN，从anchor中获取proposals

• efficient
• end-to-end

R-FCN

将sub-detection network从fully connected变为fully convolutional

DeNet

不使用anchor的two-stage方法

steps：

1. 确定一个location有多大的可能是4个corner之一
2. 列出corner所有的组合方式，获得RoI
3. CNN对RoI进行分类

difference compared to CornerNet：

• DeNet不判断corner是否属于一个object，而是通过sub-detection network拒绝poor Rois
• DeNet需要进行手动的feature selection
• CornerNet引入了corner pooling层

One-Stage

one-stage的常规思路是：

1. 在image上 dense & regular 地放置anchor
2. 通过 scoring anchor 来获取最后的 bounding box predictions
3. 通过regression对coordinate微调

YOLO

直接在image上预测bounding box和coordinate（后续版本也用回了anchor）

SSD

在multi-scale的feature map上 dense & regular 放置anchor

DSSD & RON

通过skip connection结合low-level和high-level的features（类似Hourglass）

RetinaNet

Focal Loss

RefineDet

滤除一部分的negative box，对anchor进行粗调

Point Linking Network（PLN）

不使用anchor的one-stage方法

steps：

1. 预测bounding box的4个corner和1个center的location
2. 构造corner-center pair
   • 对于corner，预测每个pixel有多大的可能是center
   • 对于center，预测每个pixel有多大的可能是corner
3. 根据corner-center pair生成bounding box
4. 将4个bounding box去merge为1个bounding box

difference compared to CornerNet：

• PLN通过预测pixel的location来group corner & center

  （CornerNet通过embedding vector来group corner & center）

• CornerNet使用corner pooling，以更好地定位corner

Blogs

• CornerNet结构的代码：【Anchor free】CornerNet 网络结构深度解析（全网最详细！）

• CornerNet的ground-truth处理、Loss Function的代码：【Anchor free】CornerNet损失函数深度解析（全网最详细！）

• Corner Pooling的具体作用：CornerNet算法解读