Grid Loss：遮挡人脸检测
计算机视觉与模式识别
2016-09-02 v1
摘要
检测部分遮挡物体是一个具有挑战性的计算机视觉问题。标准卷积神经网络（CNN）检测器若检测窗口的部分被遮挡则会失败，因为窗口的每个子部分本身并不具有判别性。为解决此问题，我们提出一种用于CNN的新损失层，名为Grid Loss，其独立地最小化卷积层子块上的错误率而非整个特征图上的错误率。这使得各部分自身更具判别性，使检测器能够在检测窗口部分被遮挡时恢复。通过将我们的损失层映射回常规全连接层，与标准CNN相比运行时不会产生额外的计算成本。我们在多个公开人脸检测基准上演示了我们的方法，并表明我们的方法优于常规CNN，适用于实时应用并达到了最先进的性能。
引用
@article{arxiv.1609.00129,
title = {Grid Loss: Detecting Occluded Faces},
author = {Michael Opitz and Georg Waltner and Georg Poier and Horst Possegger and Horst Bischof},
journal= {arXiv preprint arXiv:1609.00129},
year = {2016}
}
备注
accepted to ECCV 2016