检测将对象识别为图像中轴对齐的框。大多数成功的物体检测器都枚举了几乎详尽的潜在物体位置列表，并对每个位置进行分类。这是浪费、低效的，并且需要额外的后处理。在本文中，我们采用了不同的方法。我们将一个对象建模为一个点，即其边界框的中心点。我们的检测器使用关键点估计来查找中心点，并回归到所有其他对象属性，例如大小、3D 位置、方向甚至姿势。我们基于中心点的方法 CenterNet 是端到端可微分的，比相应的基于边界框的检测器更简单、更快、更准确。CenterNet 在 MS COCO 数据集上实现了最佳的速度-精度权衡，在 142 FPS 时 AP 为 28.1%，在 52 FPS 时为 37.4% AP，在 1.4 FPS 的多尺度测试中为 45.1% AP。我们使用相同的方法来估计 KITTI 基准中的 3D 边界框和 COCO 关键点数据集上的人体姿势。我们的方法与复杂的多阶段方法具有竞争力，并实时运行.
-
简单：一句话方法总结：使用关键点检测技术检测边界框中心点，并回归到所有其他对象属性，如边界框大小、3D 信息和姿势。
-
多才多艺：相同的框架适用于对象检测、3D 边界框估计和多人姿态估计，只需稍作修改。
-
快：整个过程在单个网络前馈中。无需 NMS 后处理。我们的 DLA-34 型号以 52 FPS 的速度运行，具有 37.4 COCO AP。
-
强：我们最好的单一模型在 COCO 测试开发中达到了 45.1AP。
-
易于使用：我们提供用户友好的测试 API 和网络摄像头演示。
主要结果
使用 CenterNet 我们支持图像/图像文件夹、视频和网络摄像头的演示。 首先，下载模型（默认情况下，ctdet_coco_dla_2x用于检测，multi_pose_dla_3x用于人体姿态估计） 从模型动物园并将它们放入.CenterNet_ROOT/models/ 要对图像/视频进行对象检测，请运行：
python demo.py ctdet --demo /path/to/image/or/folder/or/video --load_model ../models/ctdet_coco_dla_2x.pth提供了示例图像。如果设置正确，输出应如下所示CenterNet_ROOT/images/
对于网络摄像头演示，请运行:
python demo.py ctdet --demo webcam --load_model ../models/ctdet_coco_dla_2x.pth同样，对于人体姿态估计，请运行：
python demo.py multi_pose --demo /path/to/image/or/folder/or/video/or/webcam --load_model ../models/multi_pose_dla_3x.pth示例图像的结果应如下所示：
您可以添加以可视化热图输出。 您可以添加翻转测试。--debug 2--flip_test
要在您自己的项目中使用此 CenterNet，您可以
import sys
CENTERNET_PATH = /path/to/CenterNet/src/lib/
sys.path.insert(0, CENTERNET_PATH)
from detectors.detector_factory import detector_factory
from opts import opts
MODEL_PATH = /path/to/model
TASK = 'ctdet' # or 'multi_pose' for human pose estimation
opt = opts().init('{} --load_model {}'.format(TASK, MODEL_PATH).split(' '))
detector = detector_factory[opt.task](opt)
img = image/or/path/to/your/image/
ret = detector.run(img)['results']
