CornerNet 2个角点：左上角和右下角角点
input：image经过一个ConvNet→生成feature map
hourglass network: 捕获图片在多个尺度下的特征。1、降采样操作缩小输入的大小；2、上采样恢复到输入图像大小
常用：使用多个pipeline分别单独处理不同尺度下的信息，网络的后面部分再组合这些特征。
上面分支module负责预测左上角corner，下面分支module负责预测右下角corner
需要group操作。
heatmaps预测：Corners点概率；
中心点不一定局限在某一个位置上 而是一个区域→中心点落在半径r范围内设置一个iou→圆圈内的点的数值是以圆心往外呈二维的高斯分布；【对不同负样本点的损失函数采取不同权重值的原因：白色虚线是一个预测框，预测框的两个角点和ground truth并不重合，但是该预测框大概框住了目标，因此是有用的预测框，所以要有一定权重的损失返回】
loss：带有惩罚因子的Focal loss 降低接近真值损失 进一步解决样本不均衡
embeddings预测：解决的是配对问题：一个目标的两个角点，二者的embedding vector之间的距离应该很小。每个点所属的目标中心点；采用L1范数，距离大于0.5或者两个点来自不同类别的目标的都不能构成一对。
offsets：表示在取整计算时丢失的精度信息，输入图像到特征图之间会有尺寸缩小。anchor-based方法是算和anchor偏移。针对小尺寸目标的回归。这是针对角点的。
corner pooling：怎么知道这个点就是角点？特征点肯定是最大的。红色的部分。找到值最大的网格然后确保该网格左边的网格全部都能变成最大值，也就是把水平方向最明显的特征向左延续；竖直方向最明显的特征向上延续；这样当两幅heatmap相加时→两者最明显特征的路线相重叠，这样加出来的值肯定也是最大的，因此就能推测出左上角关键点的位置。
测试：
在得到预测角点后，会对这些角点做NMS操作，选择前100个左上角角点和100个右下角角点。测试图像采用0值填充方式得到指定大小作为网络的输入，而不是采用resize，另外同时测试图像的水平翻转图并融合二者的结果。最后通过soft-nms操作去除冗余框，只保留前100个预测框
ExtremeNet
检测目标的4个极值点（即最上点、最下点、最左点、最右点）和一个中心点
需要group操作。针对CornerNet预测的角点经常落在目标外部，没有足够的目标特征改进。
backbone：Hourglass Network
heatmap：*5 4个极值点+1个中心点。
根据顶、底、左、右四个点集，从四个点集中各抽取一个得到四个极值，计算几何中心坐标，找到该中心坐标在中心点heatmap中的得分，如果高于阈值，那么这四个极值点组成的bounding box返回一个最终得分→五个点得分的平均值。
Ghost box抑制：解决比如要找2的中心，有可能找的是更大的这个框而不是2的box。如果box，其里面所有的包围框的得分超过了其本身得分的3倍→修正为原来的1/2
Edge aggregation：解决极值点不唯一问题。对于左边右边极值点在竖直方向聚合；顶部底部极值点在水平方向聚合。【沿着聚合方向，将第一个单调下降区间内的点的score按一定权重累加到原极值点上，并在达到局部最小值的时候停止聚合】
Objects as Points【Centernet】
只预测中心点。通过检测物体的中心点以及中心点对应的w,h来实现检测。不需要group操作
input：512
backbone: DLA 沙漏型
hourglass network 姿态检测
output：fm128 降了4倍 → 三个head
三个head：
1、 heatmap【功能是预测中心点】：128128class；同CornerNet
关于高斯圆的半径确定，iou overlap 情况讨论：三种情况的半径，预测的全覆盖；gt全覆盖；交错 overlap=0.7作为临界值，取最小值作为高斯核的半径R。
2、1281282；【对应location宽、高】使用L1
3、281282；【中心点：细化调整 offset x y】引入偏置的损失值，降4倍后取证会带来误差。
o是预测的偏移值数量 R表示Heatmap的缩放因子 p~是缩放后取证的坐标
为什么没有给每个类别预测宽高？考虑物体中心点不会重合
3D目标检测：
1、depth不好直接回归； 在特征点估计网络上添加了一个深度计算通道，L1 loss。参考文章：Depth map prediction from a single image using a multi-scale deep network.
2、l w h L1 loss
3、方向也很难回归；用两个bins来呈现方向→方向用8个标量值来编码的形式，每个bin有4个值。对于一个bin，两个值用作softmax分类，其余两个值回归到在每个bin中的角度。参考文章：3d bounding box estimation using deep learning and geometry.√