本文共 1317 字，大约阅读时间需要 4 分钟。

本文也是使用anchor free的方式来做object detection的，网络结构看下来和很像。

AFDet

Backbone & Neck

使用PointPillar的方式构建backbone，但是只进行了一次stride=2的conv，然后又upsample，所以backbone输出的特征图的分辨率和输入的分辨率是一样的。

对于KITTI数据集，pillar的尺寸时[0.16m, 0.16m]

Head

从网络结构上看，就是标准的anchor free的head，和CenterNet，CenterPoint差不多。

对于Cente offset这个预测值，文中提到是有两个做用：1）一个是将预测的中心通过加上offset，把中心的预测变成一个连续值，2）纠正错误的中心预测，也就是当heatmap预测中心偏了几个像素，offset有能力对这种偏差纠错。

如此，offset的预测的监督就不能是只在中心点这个像素上了，而且要在中心点周围几个像素上都要做监督。通过消融实验发现，使用中心点向周围扩展两个像素做监督最好，也就是每个物体，以物体中心为中心，周围5x5个像素中的offset都要受到监督。

AFDet与CenterPoint的区别

heatmap的target中的高斯核半径的设置

两篇文章都有提到相对于CenterNet，生成heatmap的target的过程中的高斯核半径的设置需要增大，因为俯视图下，物体都比较小，大量像素为背景，所以需要增加heatmap的target中不为0的点的数量。

CenterPoint的方式是，强制半径最小为2，heatmap生成的方式是高斯核。AFDet中则使用物体内部的点的target为其与中心距离的反比。这两篇文章的做法都能解决上述问题。

对于CenterNet的heatmap的高斯核计算方式，是来自于CornerNet。想法来源于，当width和height准的时候，center偏移多少，仍能保持在一定的IoU以上。以这个想法，确定高斯核的半径。具体可见https://zhuanlan.zhihu.com/p/96856635

voxel或者pillar的大小设置

AFDet中使用的[0.16m，0.16m]的Pillar设置，Neck输出分辨率与输入分辨率不变，也就是说检测仍然在[0.16m，0.16m]的特征图上做。

CenterPoint在waymo上用的是[0.32m, 0.32m]的Pillar设置，Neck的特征图的分辨率仍然与输入的相同，检测在[0.32m, 0.32m]的特征图上做。

Part-A^2和PV-RCNN来看，对于KITTI数据集，voxel设置为[0.05m,0.05m]，但backbone将其将降采样8x，也就是检测在[0.4m,0.4m]的特征图上做。对于waymo的话，voxel设置为[0.1m,0.1m]，降采样8x就是[0.8m,0.8]。

转载地址：https://blog.csdn.net/wqwqqwqw1231/article/details/118157366 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！