KPNet：面向极小人脸检测器
计算机视觉与模式识别
2020-03-18 v1
摘要
极小神经网络较小的感受野与容量限制了其作为检测器主干时的性能。本工作中，我们发现通用人脸的外观特征具有足够的判别性，可供微小且浅层的神经网络从背景中辨别。而阻碍我们的本质障碍是 1) 人脸边界框定义的模糊性，以及 2) 锚框或感受野的繁琐设计。与大多数用于联合人脸检测与对齐的自顶向下方法不同，所提出的 KPNet 以自底向上的方式检测小型面部关键点而非整张人脸。它首先通过精心设计的细粒度尺度近似与尺度自适应 soft-argmax 算子从低分辨率图像中预测面部标志点。最终，无论我们如何定义，精确的面部边界框均可由关键点推断得出。无需任何复杂的头部架构或精细的网络设计，KPNet 仅以 参数量在通用人脸检测与对齐基准上取得了当前最优精度，在 GPU 上以 1000fps 运行，且易于在大多数现代前端芯片上实时运行。
引用
@article{arxiv.2003.07543,
title = {KPNet: Towards Minimal Face Detector},
author = {Guanglu Song and Yu Liu and Yuhang Zang and Xiaogang Wang and Biao Leng and Qingsheng Yuan},
journal= {arXiv preprint arXiv:2003.07543},
year = {2020}
}
备注
AAAI 2020