在论文《CornerNet-Lite: Efficient Keypoint Based Object Detection》中，普林斯顿大学的研究人员提出CornerNet-Lite。CornerNet-Lite是CornerNet的两种有效变体的组合：CornerNet-Saccade，它使用注意机制消除了对图像的所有像素进行彻底处理的需要，以及引入新的紧凑骨干架构的CornerNet-Squeeze。这两种变体共同解决了有效目标检测中的两个关键用例：在不牺牲精度的情况下提高效率，以及提高实时效率的准确性。CornerNet-Saccade适用于离线处理，将CornerNet的效率提高6.0倍，将COCO的效率提高1.0％。CornerNet-Squeeze适用于实时检测，提高了流行的实时检测器YOLOv3的效率和准确性。这些贡献首次共同揭示了基于关键点的检测对于需要处理效率的应用的潜力。目前，CornerNet-Lite被认为是目标检测（Object Detection）中 FPS和mAP trade-off的最佳算法。