MogFace：面向更深入理解的人脸检测
计算机视觉与模式识别
2022-03-30 v5 人工智能
摘要
受益于通用目标检测器的开创性设计，人脸检测领域已取得显著成就。典型地，人脸检测器中的骨干网络、特征金字塔层与检测头模块的架构均吸收了通用目标检测器的优秀经验。然而，若干有效方法（包括标签分配与尺度级数据增强策略）在直接应用于人脸检测器时未能保持一致的优越性。具体而言，前者涉及大量超参数，后者受不同检测任务间尺度分布偏置的挑战，二者均限制了其泛化能力。此外，为下游人脸任务提供精确人脸边界框，人脸检测器亟需消除误检。因此，在标签分配、尺度级数据增强和减少误检方面的实用方案对人脸检测器的发展必不可少。本文致力于解决现有方法难以攻克的上述三个挑战，并提出一种新型人脸检测器，称为MogFace。在MogFace中，分别提出自适应在线增量锚框挖掘策略、选择性尺度增强策略与分层上下文感知模块三个关键组件以提升人脸检测器性能。最后，据我们所知，MogFace是Wider Face榜单上最佳的人脸检测器，在不同测试场景下均获得全部冠军。代码见\url{https://github.com/damo-cv/MogFace}。
引用
@article{arxiv.2103.11139,
title = {MogFace: Towards a Deeper Appreciation on Face Detection},
author = {Yang Liu and Fei Wang and Jiankang Deng and Zhipeng Zhou and Baigui Sun and Hao Li},
journal= {arXiv preprint arXiv:2103.11139},
year = {2022}
}