论文题目：《FaceBoxes: A CPU Real-time Face Detector with High Accuracy》
论文链接：https://arxiv.org/pdf/1708.05…
年份：2017
论文作者：Shifeng Zhang 等人
作者单位：中国科学院自动化研究所等
公众号 CVpython 同步公布
1. 论文要解决什么问题？
要放弃高精度，还要在 CPU 上达到实时？还真有点难，然而 Shifeng Zhang 等人针对这个问题，提出了人脸检测模型 FaceBoxes，体现 SOTA。
2. FaceBoxes 如何解决问题？
FaceBoxes 框架如图 1 所示，次要包含 Rapidly Digested Convolutional Layers (RDCL)和 Multiple Scale Convolutional Layers (MSCL)模块，还有 anchor 密集策略。
2.1 RDCL
RDCL 的目标是为了疾速下采样，让模型可能在 CPU 下面能达到实时。RDCL 采纳的办法是放大空间大小，抉择适合的卷积核大小和缩小输入通道。
- 放大空间大小：Conv1, Pool1, Conv2 and Pool2 的步长别离是 4, 2, 2 和 2, 空间大小疾速升高了 32 倍。
- 适合的卷积核大小：前几层的一些核应该是比拟小，以便减速，然而也应该足够大，以加重空间大小减小而带有的信息失落(为什么能够缩小信息失落 s)。Conv1, Conv2 的核大小为 7 ×7, 5×5，所有池化层的核大小为 3 ×3。
- 缩小输入通道：应用 C.ReLU 缩小输入通道，操作如图 2(a)所示。因为 C.ReLU 作者统计发现底层卷积时卷积核存在负相关，也就是说假如咱们原本应用 10 个卷积核，然而当初只须要用 5 个卷积核，另外 5 个卷积核的后果能够通过负相关失去。结果表明应用 C.ReLU 减速的同时也没损失精度。
2.2 MSCL
MSCL 是为了失去更好地检测不同尺度的人脸。
- 深度：在 MSCL 模块中，随着网络的加深，便失去不同大小的特色映射(多尺度特色)。在不同大小特色映射中设置不同大小的 anchor，有利于检测不同大小的人脸。
- 宽度：Inception 由多个不同核大小的卷积分支组成。在这些分支中，不同的网络宽度，也有不同大小的特色映射。通过 Inception，感触野也丰盛了一波，有利用检测不同大小的人脸。
MSCL 在多个上尺度进行回归和分类，在不同尺度下检测不同大小的人脸，可能大大提高检测的召回率。
2.3 Anchor 密度策略
Inception3 的 anchor 大小为 32，64 和 128，而 Conv3_2 和 Con4_2 的 anchor 大小别离为 256，512。anchor 的平铺距离等于 anchor 对应层的步长大小。例如，Con3_2 的步长是 64 个像素点，anchor 大小为 256×256，这表明在输出图片上，每隔 64 个像素就会有一个 256×256 的 anchor。对于 anchor 的平铺密度文中是这样定义的：
$$
A_{density}=A_{scale}/A_{interval}
$$
其中 $A_{density}$ 和 $A_{interval}$ 别离为 anchor 的尺度战争铺距离。默认的平铺距离 (等于步长) 默别离认为 32，32，32，64 和 128。所以 Inception 的平铺密度别离为 1,2,4，而 Con3_2 和 Con4_2 的平铺密度别离为 4,4。
能够看进去，不同尺度的 anchor 之间存在平铺密度不均衡的问题，导致小尺度的人脸召回率比拟低，因而，为了改善小 anchor 的平铺密度，作者提出了 anchor 密度策略。为了使 anchor 密集 n 倍，作者平均地将 $A_{number}=n^2$ 个 anchor 铺在感触野的核心左近，而不是铺在核心，如图 3 所示。将 32×32 的 anchor 密集 4 倍，64×64 的 anchor 密集两倍，以保障不同尺度的 anchor 有雷同的密度。
2.4 训练
数据扩增：
- 色彩扭曲
- 随机采样
- 尺度变换
- 程度翻转
- Face Boxes 过滤：通过数据扩增的图片中，如果 face boxes 的核心还在图片上，则保留重叠局部，而后把高或者宽 <20 的过滤掉(这个操作不是很懂了，为什么把小指标过滤掉？)
匹配策略：训练期间，须要确定哪些 anchor 对应脸部的 bounding box，咱们首先用最佳 jaccard 重叠将每一张脸匹配到 anchor，而后将 anchor 匹配到 jaccard 重叠大于阈值的任何一张脸。
Loss function: 对于分类，采纳 softmax loss，而回归则采纳 smooth L1 损失。
Hard negative mining：anchor 匹配后，发现很多 anchor 是负的，这会引入重大的正负样本不均衡。为了疾速优化和稳固训练，作者对 loss 进行排序而后抉择最小的，这样子使得负样本和正样本的比例最大 3:1。
3 试验后果如何？
Runtime
Evaluation on benchmark
在 FDDB 上 SOTA。
4. 对咱们有什么指导意义？
- 要在 CPU 上达到实时，思考一开始就对特色进行疾速下采样。
- 在浅的卷积层思考应用 CReLU，能够缩小计算量。
- MSCL 通知咱们，检测各种不同大小的物体，思考从深度和宽度上丰盛感触野。
- anchor 密度策略通知咱们思考 anchor 密度以进步召回率。
本文由博客群发一文多发等经营工具平台 OpenWrite 公布