前言

本文为对CenterNet无锚点检测的介绍补充，之前的相关内容戳这里~

以下是使用中文详细介绍Anchor-Free的目标检测算法CenterNet的训练方法、工作原理、所需数据类型及与YOLOv8的对比：

一、CenterNet算法介绍（Anchor-Free）

1.1 算法介绍

CenterNet是典型的Anchor-Free（无需预定义锚框）目标检测算法，最早由论文《Objects as Points》中提出。该方法的核心思想：

• 不再需要Anchor（锚框），直接预测目标的中心点位置。
• 将目标检测问题转化为关键点检测问题，通过预测物体中心点的热力图（Heatmap）及其对应的宽高、偏移量来完成检测。

1.2 检测原理 (本段参见内容知乎)

CenterNet借鉴关键点检测与Encoder-Decoder架构及热力图的思想实现通用检测。在具体技术细节上也具有YOLO算法的影子。

1.2.1 检测中心点

在早期的YOLO版本（如YOLOv1～YOLOv4）中，都采用了“一对一匹配策略”，即一个目标框只被分配一个正样本，这个正样本通常取自目标中心点所在网格。换言之，YOLO算法实际上检测的是目标中心点的位置，以此为基础实现定位功能。因此，CenterNet中的“中心点检测”原理和YOLO是有着异曲同工之妙的。

然而，两者的叙述角度有所不同：

• YOLO 从网格（grid）匹配的角度切入。
• CenterNet 则从关键点（keypoint detection）领域的思路出发，将目标的中心视为需要检测的关键点，并利用关键点领域常用的“高斯核函数（Gaussian Kernel）”生成热力图，表示目标中心点的可能位置。

具体地，目标中心点位置的高斯热力图生成公式如下：

• 其中均值 (x~,y~) 为中心点对应的特征图网格坐标，CenterNet和YOLO一样，都对原图尺度的中心点坐标做降采样处理，获得在特征图尺度下的网格坐标：

• 方差 σ 决定了高斯函数的扩散区域，即中心点热力图的“软”区域大小。与YOLO的“硬阈值”不同（YOLO中目标中心网格置信度为1，其余均为0），CenterNet通过高斯分布赋予目标中心点附近区域以平滑的置信度值（介于0到1之间的连续值）。CenterNet论文虽未详细阐述此参数，但从实际代码中我们发现，其与CornerNet算法一致，属于关键点检测领域的常用操作。
• 推理（inference）阶段，CenterNet仅需从预测出的热力图中选取局部峰值作为目标中心。具体实现方式为：使用一个 3×33\times33×3 大小的最大池化层（max pooling）筛选峰值点，实质上类似于一种简易版的非极大值抑制（NMS）。因此，CenterNet论文中所声称的“NMS-free”理念并不完全准确，实际上只是未采用传统的IoU-based NMS方法。
• 由于输出热力图的通道数等于类别数，因此CenterNet逐个通道筛选峰值点（每个类别独立），该操作易于在现代深度学习框架中并行化执行。完成所有通道峰值筛选后，即可获得所有类别的检测目标。

1.1.2 学习偏差（offset）和边界框尺寸（size）

类似于YOLO，CenterNet的预测和回归任务都在特征图尺度上进行，这本质上依旧是基于网格（grid-based）的思想。因此，实际目标中心点与网格中心之间存在一定偏差，需要额外学习这一偏差（offset），其损失函数定义为：

• 其中 O^k_hat 为网络预测的偏移量，Ck 是目标在原图尺度的中心点坐标，s 是特征图的步长（stride），Ck_hat​ 为目标在特征图尺度上的网格坐标。
• 值域范围明显为0～1，作者经验表明，相比原文使用的L1损失，使用sigmoid函数结合二元交叉熵（BCE）损失可能在训练过程中更稳定、更有效。

另一方面，CenterNet并不使用先验锚框，因此直接采用L1损失回归目标边界框尺寸：

• S^k_hat 为网络预测尺寸，Sk 为真实尺寸。
• 当前主流研究已逐渐采用更先进的IoU系列损失函数（如GIoU、CIoU）取代L1，以提升边界框预测性能。

综上所述，CenterNet将边界框回归拆分成了“中心点偏差”和“边界框尺寸”两个独立任务，体现了其设计的模块化特征和易于优化的优势。

1.1.3 NMS-free思想

CenterNet的一个重要贡献即为推理时无需传统目标检测框架常用的基于IoU的NMS操作来剔除冗余框。

具体实现方式为：

• 通过在输出热力图上应用 3×3（或5×5）的max pooling筛选局部峰值点：

pythonCopyEdit# 简单版NMS-free
hmax = F.max_pool2d(cls_pred, kernel_size=3, padding=1, stride=1)
keep = (hmax == cls_pred).float()
cls_pred *= keep

• 然而实践中发现，对于尺寸较大的目标，仅使用这种简单的峰值筛选策略，依旧可能产生冗余检测框。因此，有些场景下（尤其大物体较多的数据集），仍然建议额外使用传统NMS进行后处理，以提升检测精度和结果质量。

总的来说，CenterNet并非完全无需NMS，而是通过热力图峰值抑制的方式替代了传统的基于IoU的NMS操作，但这一方式在某些情形下可能不完全有效，因此需根据实际数据场景决定是否添加额外NMS。

二、CenterNet的工作原理

2.1 网络结构

CenterNet网络架构通常采用全卷积网络结构（如Hourglass、DLA或ResNet为主干网络）：

• 主干网络(Backbone)：提取特征，例如ResNet-18、ResNet-50或Hourglass等。
• 上采样层(Up-sampling)：将深层特征图放大，生成高分辨率特征图以检测小物体。
• 输出头(Detection heads)：通常分为3个独立分支： 中心点热力图预测（Heatmap）：预测每个类别的中心点位置。 尺寸预测（Size）：预测物体宽高。 位置偏移预测（Offset）：预测中心点在输出特征图上的偏移量，以提升定位精度。

最终合并三种预测结果，输出目标物体的边界框(Bounding Box)及类别。

2.2 中心点热力图(Heatmap)预测

• CenterNet将每个物体视为特征图上的一个单独的关键点。
• 热力图中每个像素值代表该位置为物体中心的可能性，通常用二维高斯分布对真实中心点进行建模：

• 训练时采用Focal Loss损失函数来处理类别不平衡问题：

2.3 尺寸预测（宽高回归）

• 尺寸头输出每个目标中心位置对应的宽度和高度：
• 采用L1 Loss进行监督训练：

• Sk_hat 表示预测的宽高，Sk表示真实的宽高。

2.4 偏移量预测（Offset）

• 由于特征图尺寸比原图小，物体中心点的真实位置通常无法完美落在特征图的整数网格上，因此需要预测中心点的微小偏移量。
• 通常使用L1 Loss监督：

• 偏移量监督仅在物体中心点周围的像素位置上进行。

2.5 整体损失函数

CenterNet整体的损失函数由三个头共同组成：

通常，权重参数lambda_size 和 lambda_offset分别取0.1和1，具体可以调节。

三、CenterNet的训练流程

1. 数据预处理 数据增强（旋转、缩放、随机裁剪、颜色抖动）。 图像尺寸统一到固定大小，如512×512或1024×1024。
2. 网络前向传播 特征提取（Backbone），特征上采样后经过3个独立头预测Heatmap、尺寸和Offset。
3. 损失函数计算 分别计算Heatmap、尺寸和Offset的损失值，合并为整体损失。
4. 梯度反向传播与权重更新 根据损失函数进行反向传播，更新网络参数。
5. 推理阶段 热力图阈值化，选择局部极大值作为中心点。 根据预测宽高和偏移量确定物体的Bounding Box。

四、训练所需的数据

训练CenterNet所需的数据与一般目标检测数据集相同：

• 图像：JPEG、PNG等图像格式。
• 标签：每个物体的类别与边界框标注（Bounding box标注方式：COCO、Pascal VOC等格式均可）。

常用数据集如：

• COCO
• Pascal VOC
• 自定义标注的数据集（需提供类别名及边界框坐标）。

五、CenterNet与YOLOv8对比

总体而言：

• CenterNet更强调将检测问题转为关键点检测问题，在训练过程中需要精细调参；
• YOLOv8经过多次迭代和优化，在速度、准确性和易用性上表现更优，是当前目标检测的主流选择。

六、小结

CenterNet是Anchor-Free的典型代表，将目标检测问题转换成关键点热力图预测问题，适合中小目标检测和细节定位场景。相比之下，YOLOv8更加成熟，速度快，易于部署。

实际应用中，可以根据数据集特点和具体场景来选择适合的模型：

• CenterNet更适合对精确度要求较高、对小物体检测效果更敏感的任务；
• YOLOv8则更适合追求更高的实时性、快速部署、平衡精度与速度的应用。