要約
深層学習の登場により、物体検出はボトムアップからトップダウンの認識問題へと移行しました。最先端のアルゴリズムでは、物体の位置をほぼ網羅的に列挙し、それぞれが「物体であるか否か」を分類します。本論文では、ボトムアップアプローチが依然として競争力を保っていることを示しています。標準的なキーポイント推定ネットワークを使用して、物体の4つの極端な点（最上部、最左部、最下部、最右部）と1つの中心点を検出します。これらの5つのキーポイントが幾何学的に整列している場合、それらをバウンディングボックスにグループ化します。これにより、物体検出は領域分類や暗黙的な特徴学習なしで、純粋に外観に基づくキーポイント推定問題となります。提案手法は最先端の領域ベースの検出手法と同等の性能を示し、COCO test-devにおいてバウンディングボックスAPが43.2%です。さらに、我々が推定した極端な点は直接粗い八角形マスクを生成し、COCOマスクAPが18.9%となり、通常のバウンディングボックスよりも大幅に優れています。極端な点をガイドとするセグメンテーションにより、この値はさらに34.6%のマスクAPに向上します。