FDLite：一种单阶段轻量级人脸检测网络

人脸检测常通过采用ResNet-50/101/152或VGG16/19等重型预训练主干网络来实现。不少近期研究亦提出了采用定制化主干网络、新型损失函数和高效训练策略的轻量级检测器。本工作的创新点在于：仅使用常用损失函数和学习策略即可训练出轻量级检测器。所提出的人脸检测器在很大程度上遵循已建立的RetinaFace架构。本工作的第一项贡献是设计了具0.167百万参数、0.52 GFLOPs的定制化轻量级主干网络（BLite）。第二项贡献是采用两个独立的多任务损失。所提出的轻量级人脸检测器（FDLite）拥有0.26百万参数、0.94 GFLOPs。该网络在WIDER FACE数据集上进行训练。在WIDER FACE验证数据集的易、中、难三个子集上，FDLite分别实现了92.3%、89.8%和82.2%的平均精度（AP）。