HLA-Face：面向低光人脸检测的联合高低层自适应方法
计算机视觉与模式识别
2021-04-06 v1
摘要
低光场景下的人脸检测具有挑战性，但对许多实际应用（如监控视频、夜间自动驾驶）至关重要。现有大多数人脸检测器严重依赖大量标注，而数据收集耗时费力。为减轻构建低光新数据集的负担，我们充分利用现有正常光数据，探索如何将人脸检测器从正常光自适应至低光。该任务的挑战在于正常光与低光之间在像素级和目标级上的差距过于巨大且复杂，因此现有大多数低光增强与自适应方法均未取得理想性能。为此，我们提出一种联合高低层自适应（HLA）框架。通过双向低层自适应与多任务高层自适应方案，我们的 HLA-Face 即使不使用暗光人脸标签训练也优于当前最优方法。我们的项目公开于 https://daooshee.github.io/HLA-Face-Website/
引用
@article{arxiv.2104.01984,
title = {HLA-Face: Joint High-Low Adaptation for Low Light Face Detection},
author = {Wenjing Wang and Wenhan Yang and Jiaying Liu},
journal= {arXiv preprint arXiv:2104.01984},
year = {2021}
}
备注
Accepted to CVPR 2021