1.cornerpooling的設計，個人覺得解釋有些牽強。
這里的兩個特征圖如何解釋，corner點為何是橫向與縱向響應最強的點。如果僅僅當成一種奇特的池化方式，恰好也有着不錯的效果，那倒是可以接受，論文中的解釋實在難以接受。
看了CSDN AI之路的博客https://blog.csdn.net/u014380165/article/details/83032273，似乎有些理解了。特此摘抄下來。
如圖Figure2所示。因此CornerNet是預測左上角和右下角兩個角點，但是這兩個角點在不同目標上沒有相同規律可循，如果采用普通池化操作，那么在訓練預測角點支路時會比較困難。考慮到左上角角點的右邊有目標頂端的特征信息（第一張圖的頭頂），左上角角點的下邊有目標左側的特征信息（第一張圖的手），因此如果左上角角點經過池化操作后能有這兩個信息，那么就有利於該點的預測，這就有了corner pooling。
2.heapmap的損失函數，角點周圍的像素按照高斯分布處理可以理解，畢竟離角點比較近的點形成的bbox與gt相交面積應該不小，與較遠的點不可相同而論。然而這個損失函數我有點疑惑，y=1的時候尚可理解，此時要想損失接近零，p應該接近1，可是其它情況就有問題了。
且看這個函數（1-y)β(p)αlog(1-p)，只要p為0，不管y等於什么，表達式都等於0啊。