[论文翻译]CornerNet: 通过成对关键点检测物体

我们提出CornerNet，这是一种新的目标检测方法，通过单个卷积神经网络将物体边界框检测为一对关键点（左上角和右下角）。通过将物体检测为成对关键点，我们无需设计现有单阶段检测器中常用的锚框组。除了新颖的建模方式外，我们引入了角点池化（corner pooling）这一新型池化层，帮助网络更准确定位角点。实验表明CornerNet在MS COCO数据集上达到42.2% AP，优于所有现有单阶段检测器。