用于人脸检测的多分支全卷积网络
计算机视觉与模式识别
2017-07-21 v1
摘要
人脸检测是计算机视觉中的一个基本问题。由于尺度、姿态、表情和遮挡的显著变化，在非约束条件下这仍是一项具有挑战性的任务。本文提出了一种用于人脸检测的多分支全卷积网络（MB-FCN），在设计过程中兼顾了效率与有效性。我们的 MB-FCN 检测器仅需通过主干网络一次即可处理所有尺度范围的人脸。因此，与需要多次传递的先前方法相比，我们的 MB-FCN 模型节省了计算量，从而更高效。对于每个分支，利用不同层卷积特征图的特定跳跃连接来表示特定尺度范围内的人脸。具体而言，小人脸可以通过浅层细粒度特征和深层强粗粒度特征共同表示。借助这种表示，在小人脸检测任务中取得了显著的性能提升。我们在两个人公开的人脸检测基准数据集上测试了我们的 MB-FCN 检测器，包括 FDDB 和 WIDER FACE。大量实验表明，我们的检测器在所有这些数据集上总体优于 state-of-the-art 方法，并且在其中最具挑战性的数据集（如 WIDER FACE Hard 子集）上优势显著。此外，MB-FCN 在 GPU 上处理 640 x 480 大小的图像时运行速度为 15 FPS，且不对最小可检测人脸大小做任何假设。
引用
@article{arxiv.1707.06330,
title = {Multi-Branch Fully Convolutional Network for Face Detection},
author = {Yancheng Bai and Bernard Ghanem},
journal= {arXiv preprint arXiv:1707.06330},
year = {2017}
}
备注
9 pages, 5 figures