SaccadeNet如何利用角点特征实现双眼运动检测？

本文共计1473个文字，预计阅读时间需要6分钟。

SaccadeNet利用中心点特征进行初步的目标定位，随后利用初步预测框的中心点特征进行精调，整体思路类似于两阶段目标检测算法，将第二阶段的预测框精调区域作为重点。

SaccadeNet基于中心点特征进行初步的目标定位，然后利用初步预测框的角点特征以及中心点特征进行预测框的精调，整体思想类似于two-stage目标检测算法，将第二阶段的预测框精调用的区域特征转化为点特征。SaccadeNet在精度和速度上都可圈可点，整体思想十分不错
 
来源：晓飞的算法工程笔记 公众号

论文: SaccadeNet: A Fast and Accurate Object Detector

• 论文地址：arxiv.org/abs/2003.12125
• 论文代码：github.com/voidrank/SaccadeNet

Introduction

---

  在神经学中，人类在定位目标时并非固定地看着场景，而是四处寻找富含信息的区域来帮助进行目标的定位。受此机制的启发，论文提出了SaccadeNet，能够高效地关注信息丰富的目标关键点，从粗粒度到细粒度进行目标定位。

  SaccadeNet的结构如图2所示，首先初步预测目标的中心位置以及角点位置，然后利用四个角点位置以及中心点位置的特征进行回归优化，SaccadeNet包含四个模块：

• Center Attentive Module(Center-Attn)，预测目标的中心位置以及类别。