CornerNet-Lite 随记

arXiv: https://arxiv.org/abs/1904.08900
github: https://github.com/princeton-vl/CornerNet-Lit

1. CornerNet

• CornerNet 是基于关键点的目标检测方法，不需要 anchor box，在单阶段检测器取得了SOTA 的精度。在COCO数据集上 AP 为 42.2%，但是单帧图像的 inference 需要1.147s。

2. CornerNet-Lite

• CornerNet-Lite 是 CorNet 的两个有效的变体：CornerNet-Saccade 与 CornerNet-Squeeze
• CornerNet-Saccade 在不牺牲精度的情况下来提高效率，单帧图像处理时间为 190 ms，在 COCO上 AP 为43.2%，比CornerNet 还提高了 1%。
• CornerNet-Squeeze 在达到实时的情况下，尽可能提高精度，单帧图像处理时间为30ms，在COCO上 AP 为 34.4%。（YOLOv3 39ms AP 33%）。
  注：作者测试了 CornerNet-Squeeze-Saccade 比 CornerNet-Squeeze 的精度和速度都要差。
• COCO数据集上 YOLOv3、CornerNet、CornerNet-Lite 对比
  1.CornerNet-Lite 比 CornerNet 速度提高了 6 倍，AP 提高了 1% 。
  2.CornerNet-Lite 在精度和速度上都优于 YOLOv3，是目前 SOTA 的实时检测器。
  3.硬件：1080 Ti GPU，Intel Core i7-7700k CPU