人脸检测江湖的那些事儿( 四 ) _小知识

文章插图
FAN 收集布局FAN 在 WIDER Face 上曾经连结了半年的 state-of-the-arts 。因为仅仅验证方式的可行性，FAN 没有叠加任何 trick，只在原始的 RetinaNet 上调整锚点框，增添我们的 Spatial Attention，是以 FAN 还有很大的上升空间。

文章插图
WIDER Face 验证集的 PR 曲线定位精度：2018 WIDER Challenge Face Detection
第三部门介绍一下旷视科技夺魁 WIDER Face and Pedestrian Challenge 2018 上的解决方案。 2018 WIDER Challenge 有 3 个 track，旷视参战了此中的 Face Detection 。更多信息请拜见：ECCV 2018 | 旷视科技夺获人工智能顶赛 Wider Challenge 人脸检测冠军。

文章插图
2018 WIDER Challenge Face Detection 排名Face Detection 利用 WIDER Face 数据集原始图像，可是 Label 做了必然批改。据我们统计，Label 数目稍多于原数据集，导致在不合错误模子做任何更改的环境下，利用新 Label 也会比原 Label 涨点（更新：今朝 WIDER Face 官网上已经用 WIDER Challenge Label 笼盖原 Label，不再存在此问题）。此外，WIDER Challenge 数据集分歧于 WIDER Face 数据集的是，利用了不异于 MS COCO 的 Metrics，这意味着对模子的回归能力提出了更高的要求。
旷视夺冠的方式仍然基于 RetinaNet 。经由过程对比常见 Backbone，我们给出了以下表格的成果。可以发现，更强的 Backbone 并不料味着更好的 Detection 能力。一些 Backbone 分类能力更强，可是供给的特征或者分层特征并不敷好；感触感染野等对 Detection 至关主要的身分也不合适；对于二分类问题而言也存在过拟合现象。因为尝试周期等原因，我们最后简单选择了 ResNet-50 和 DenseNet-121 继续后面的尝试。需要声明的是，它们在良多环境下都不是最优 Backbone，我们有需要思虑何种 Backbone 提取的特征最适合做检测。

文章插图
分歧 Backbone 的比力我们在 Backbone 上应用了 GAP trick，这在上篇知乎专栏（ycszen：语义朋分江湖的那些事儿——从旷视说起）有所介绍。该 trick 同样合用于 Detection 。我们还利用了 Deformable Conv，但其进献本家儿如果扩大 ResNet 原本不高的感触感染野。
对于 Head 部门，我们起首将 Smooth L1 Loss 换当作 IoU Loss，这是为赐顾帮衬数据中占比力多的小脸，但现实阐发一下可以发现，在锚点框合适的环境下，IoU Loss 的晋升会很细小。我们对 Head 的本家儿要改动是做一个简单的 Cascade 。 Cascade R-CNN[12] 是最早经由过程做 Cascade 晋升模子 Regression 能力的方式，我们但愿将其移植到单步检测器上。

文章插图
Cascade R-CNN可以发现，具体做法部门借鉴了 SFace，即把前一个 Stage 的预练习鸿沟框与 ground truth 鸿沟框之间的 IoU 作为下一个 Stage 的 Classification Label；跟着 IoU 逐渐晋升，每个 Stage 的 IoU threshold 也逐渐增大，这与 Cascade R-CNN 很近似。

文章插图
旷视利用的单步检测 Cascade 方案这个 Cascade 方案不难想到，也简单易行，可是简直涨点，Inference 时也只需保留最后一个 Stage，不会增添 Inference 当作本；这个方案也有本身的问题，最大的是每个 Stage 在共用统一个特征图，也共用不变的 anchor，对此已有一些相关论文提出改良，如[13, 14, 15] 。