Методы детектирования объектов, основанные на ключевых точках, часто создают ошибочные ограничивающие рамки из-за отсутствия анализа содержимого внутри выделенных областей. В данной работе предлагается эффективное решение, которое исследует визуальные паттерны внутри каждой рамки с минимальными вычислительными затратами. Разработанный фреймворк CenterNet базируется на детекторе CornerNet, но представляет каждый объект в виде триплета (тройки), а не пары ключевых точек. Добавление центральной точки позволяет точнее верифицировать наличие объекта и значительно снизить количество ложноположительных срабатываний.
Статья предлагает улучшенный метод обнаружения объектов, основанный на поиске ключевых точек, который эффективно борется с ложными срабатываниями. В отличие от аналогов, CenterNet анализирует не только углы, но и центральную область объекта, используя «тройки» ключевых точек для верификации. Такой подход существенно повышает точность локализации объектов при минимальных вычислительных затратах.