人脸检测江湖的那些事儿( 三 ) _小知识

文章插图
Xception-39M 收集布局

文章插图
Xception-39M 单一 Block 布局SFace Backbone 理论计较量只有下表中部门方式的 1/200（这些方式多采用 VGG-16、ResNet-101 等作为 Backbone），且都采用多标准测试；而 SFace 测试全数在单一标准下进行。事实上，SFace 的设计初志恰是只在一个标准下测试即可笼盖更大规模的标准转变。

文章插图
WIDER Face 验证集和测试集的 PR 曲线消融尝试证实直接融合 Anchor-based 与 Anchor-free 方式不成行，而 SFace 提出的融合方式是有用的。 Anchor-free 分支笼盖了绝大大都标准（easy set 和 medium set），而 Anchor-based 分支晋升了细小人脸（hard set）的检测能力。

文章插图
WIDER Face 验证集的消融尝试4K 分辩率下，SFace 运行速度上接近及时，据知这是首个在 4K 分辩率下 WIDER Face hard AP 高于 75 的及时人脸检测方式。

文章插图
SFace 在分歧分辩率下的运行时候（单张 NVIDIA Titan Xp）遮挡：FAN
Face Attention Network: An Effective Face Detector for the Occluded Faces
我们可以从另一个角度考虑遮挡问题。一个物体在清楚可见、无遮挡之时，其特征图对应区域的响应值较高；若是物体有（部门）遮挡，抱负环境应是只有遮挡区域响应值下降，其余部门不受影响；但现实环境倒是整个物体地点区域的响应值城市降低，进而导致模子 Recall 下降。
解决这个问题大要有两种思绪：1）尽可能连结住未遮挡区域的响应值，2）把无遮挡区域降低的响应值填补回来；前者较难，后者则相对轻易。一个简单的做法是让检测器进修一个 Spatial-wise Attention，它应在无遮挡区域有更高的响应，然后借助它以某种体例加强原始的特征图。
那么，若何设计这个 Spatial-wise Attention 。最简单考虑，它该当是一个 Segmentation Mask 或者 Saliency Map 。基于 RetinaNet，FAN 选择增添一个 Segmentation 分支，对于学到的 Score Map，做一个 exp 把取值规模从 [0, 1] 放缩到[1, e]，然后乘以原有的特征图。为简单起见，Segmentation 分支只是叠加 2 个 Conv3x3，Loss 采用 Sigmoid Cross Entropy 。

文章插图
FAN 的分层 Attention这里将面临的一个问题是，Segmentation 分支的 ground truth 是什么，究竟结果不存在邃密的 Pixel-level 标注。因为人脸图像近似椭圆，一个先验信息是鸿沟框区域内几乎被人脸填满，布景区域很小；常见的遮挡也不会改变「人脸占有鸿沟框绝大部门区域」这一先验。基于这一先验可以直接输出一个以鸿沟框矩形区域为正样本、其余区域为负样本的 Mask，并将其视为一个「有 Noise 的 Segmentation Label」作为现实收集的 ground truth 。我们也测验考试按照该矩形截取一个椭圆作为 Mask，但尝试成果表白根基没有区别。
这样的 ground truth 真能达到结果吗？经由过程可视化已学到的 Attention Map，发现它确实可以规避开部门遮挡区域，好比一小我拿着话筒讲话，Attention Map 会高亮人脸区域，绕开话筒区域。我们相信，若是采用更复杂的手段去清洗 Segmentation Label，现实结果将有更多提高。