Cornernet Detecting objects as paired keypoints ECCV2018的论文 1.论文摘要 提出了CornerNet，这是一种新的目标检测方法，其中我们使用单个卷积神经网络将目标边界框检测为一对关键点，即左上角和右下角。通过将目标检测为成对的关键点，我们消除了设计先前单级检测器中常用的一组锚盒的需要。除了我们的新公式，我们引入了corner poo

论文提出了CornerNet，通过检测角点对的方式进行目标检测，与当前的SOTA检测模型有相当的性能。CornerNet借鉴人体姿态估计的方法，开创了目标检测领域的一个新框架，后面很多论文都基于CorerNet的研究拓展出新的角点目标检测   来源：晓飞的算法工程笔记 公众号 论文: CornerNet: Detecting Objects as Paired Keypoints 论

1.CornerNet CornerNet 那么我们从bounding box左上角(top-left corner)看物体。视线横着的话，物体就在视线的下面（那么视线所在位置为the topmost boundary of an object）。视线竖着的话，物体就在视线的右边，那么视线位置为the leftmost boundary。 我们每次都将沿着图中箭头方向上已遇到的最

《CornerNet: Detecting Objects as Paired Keypoints》发表于ECCV2018 代码地址：https://github.com/princeton-vl/CornerNet 文章认为采用anchor进行目标检测的方式有两个不好的地方：第一，为了确保anchor能够尽可能的覆盖的所有的标注框，往往需要大量的anchor，而其中只有少部分是真正有效的，这

CornerNet是一个比较综合的目标检测论文，如果要详细看的话要补充好多的知识，所以像我们基础比较薄弱的看起来比较吃力，但是一点点慢慢来，总有一些事情是要坚持下去的，比如说…写博客。 【Paper】CornerNet：Detecting Objects as Paired Keypoints 【Code】https://github.com/princeton-vl/CornerNet 在

Law, H., & Deng, J. (2018). Cornernet: Detecting objects as paired keypoints. In Proceedings of the European conference on computer vision (ECCV) (pp. 734-750). 本文提出了一种anchor-free的检测方法，该模型所预测的是o