EResFD：重新发现标准卷积在轻量级人脸检测中的有效性
计算机视觉与模式识别
2023-11-03 v3
摘要
本文分析了人脸检测架构中提升计算成本效率与精度的设计选择。具体而言，我们重新审视标准卷积块作为轻量级骨干架构用于人脸检测的有效性。与当前重度使用深度可分离卷积层的轻量级架构设计趋势不同，我们表明在使用相近参数规模时，重度通道剪枝的标准卷积层能取得更好的精度与推理速度。这一观察得到了关于目标数据域（人脸）特性的分析支持。基于该观察，我们提出采用通道数大幅缩减的 ResNet，其与其他移动端友好网络（如 MobileNetV1、V2、V3）相比出人意料地实现了高效率。通过大量实验，我们表明所提骨干可替代 SOTA 人脸检测器的骨干并获得更快推理速度。此外，我们进一步提出一种新的特征聚合方法以最大化检测性能。我们提出的检测器 EResFD 在 WIDER FACE Hard 子集上取得 80.4% mAP，在 CPU 上对 VGA 图像推理仅耗时 37.7 ms。代码见 https://github.com/clovaai/EResFD。
引用
@article{arxiv.2204.01209,
title = {EResFD: Rediscovery of the Effectiveness of Standard Convolution for Lightweight Face Detection},
author = {Joonhyun Jeong and Beomyoung Kim and Joonsang Yu and Youngjoon Yoo},
journal= {arXiv preprint arXiv:2204.01209},
year = {2023}
}
备注
Accepted by WACV 2024