Face-MagNet：放大特征图以检测小人脸
计算机视觉与模式识别
2018-03-15 v1
摘要
在本文中，我们介绍了人脸放大器网络（Face-MagNet），一种基于 Faster-RCNN 框架的人脸检测器，它使得小尺度人脸的判别信息能够流向分类器，而无需任何跳跃或残差连接。为此，Face-MagNet 在区域提议网络（RPN）中部署了一组 ConvTranspose（也称为反卷积）层，并在感兴趣区域（RoI）池化层之前部署了另一组以辅助更精细人脸的检测。此外，我们还设计、训练并评估了另外三种经过良好调优的架构，它们代表了解决尺度问题的常规方案：上下文池化、跳跃连接和尺度划分。这三种网络各自都取得了与最先进（SOTA）人脸检测器相当的结果。通过大量实验，我们表明基于 VGG16 架构的 Face-MagNet 在 WIDER 数据集上的人脸检测任务中取得了比近期提出的基于 ResNet101 的 HR 方法更好的结果，并且在困难集上取得了与我们另一种方法 SSH 相似的结果。
引用
@article{arxiv.1803.05258,
title = {Face-MagNet: Magnifying Feature Maps to Detect Small Faces},
author = {Pouya Samangouei and Mahyar Najibi and Larry Davis and Rama Chellappa},
journal= {arXiv preprint arXiv:1803.05258},
year = {2018}
}
备注
Accepted in WACV18