[Object Detection] CenterNet

*이 포스트는 강의 요약 포스트입니다.

 

 

기존 Object Detection 모델의 문제점

1. 많은 수의 Anchor Prediction 과정이 필요하다. (ReitnaNet의 경우 1장의 이미지에 대한 약 100K정도의 Anchor Prediction)

2. 이로인해 Post-Processing 과정에서 NMS 처리로 인해 속도가 느려진다.

3. 또한 Multi-Anchor Prediction 의 결과로 NMS를 적용하더라도 하나의 Object에 대해 여러개의 Prediction을 만드는 중복 Prediction 문제가 생길 수 있다.

---

CenterNet 

Objects as Points (https://arxiv.org/abs/1904.07850)에서 처음 CenterNet 개념이 나타났다.

Objects as Points

CenterNet의 핵심 아이디어:

Object Detection 문제를 하나의 Object의 중심점을 하나의 KeyPoint로 바라보는 KeyPoint Estimation 문제로 치환한 CenterNet 구조를 제안하였다.

 

•  기존 모델 대비 빠른 속도를 가지면서도 높은 성능을 보여준다.
•  Keypoint Estimation에서 확장할 수 있는 다양한 문제영역에 centerNet을 사용할 수 있다.

 

CenterNer의 의의

1. NMS(Non-Maximum  Supression) 과정이 필요 없는 빠른 속도의 창의적인 Object Detection 모델을 제안한다.

2. 여러 개의 Anchor Prediction으로 발생할 수 있는 중복 Prediction 문제를 해결한다.

 

 

 

REFERENCE

https://gaussian37.github.io/vision-detection-centernet/