CRFace：用于模型无关人脸检测精炼的置信度排序器
计算机视觉与模式识别
2021-03-15 v1
摘要
人脸检测是许多下游人脸应用的基础问题，并且对更快、更准确且支持更高分辨率人脸检测器的需求日益增长。最近的智能手机可以录制 8K 分辨率视频，但许多现有人脸检测器由于锚框尺寸和训练数据仍然失败。我们分析失败案例并观察到大量置信度不正确的正确预测框。为了校准这些置信度，我们提出一个带有成对排序损失的置信度排序网络，以在同一图像内局部重新排序预测置信度。我们的置信度排序器是模型无关的，因此我们可以在训练期间通过从多个人脸检测器中选择成对样本来增强数据，并在测试期间推广到广泛的人脸检测器。在 WiderFace 上，我们在单尺度下取得了最高的 AP，并且我们的 AP 与先前的多尺度方法具有竞争力，同时显著更快。在 8K 分辨率下，我们的方法解决了 GPU 内存问题，并允许我们间接在 8K 上训练。我们收集了 8K 分辨率测试集以展示改进，并将发布我们的测试集作为未来研究的新的基准。
引用
@article{arxiv.2103.07017,
title = {CRFace: Confidence Ranker for Model-Agnostic Face Detection Refinement},
author = {Noranart Vesdapunt and Baoyuan Wang},
journal= {arXiv preprint arXiv:2103.07017},
year = {2021}
}
备注
CVPR 2021