arXiv: https://arxiv.org/abs/1904.08900
github: https://github.com/princeton-vl/CornerNet-Lit
1. CornerNet
- CornerNet 是基於關鍵點的目標檢測方法,不需要 anchor box,在單階段檢測器取得了SOTA 的精度。在COCO數據集上 AP 爲 42.2%,但是單幀圖像的 inference 需要1.147s。
2. CornerNet-Lite
- CornerNet-Lite 是 CorNet 的兩個有效的變體:CornerNet-Saccade 與 CornerNet-Squeeze
- CornerNet-Saccade 在不犧牲精度的情況下來提高效率,單幀圖像處理時間爲 190 ms,在 COCO上 AP 爲43.2%,比CornerNet 還提高了 1%。
- CornerNet-Squeeze 在達到實時的情況下,儘可能提高精度,單幀圖像處理時間爲30ms,在COCO上 AP 爲 34.4%。(YOLOv3 39ms AP 33%)。
注:作者測試了 CornerNet-Squeeze-Saccade 比 CornerNet-Squeeze 的精度和速度都要差。 - COCO數據集上 YOLOv3、CornerNet、CornerNet-Lite 對比
1.CornerNet-Lite 比 CornerNet 速度提高了 6 倍,AP 提高了 1% 。
2.CornerNet-Lite 在精度和速度上都優於 YOLOv3,是目前 SOTA 的實時檢測器。
3.硬件:1080 Ti GPU,Intel Core i7-7700k CPU