精确框分数：从数据集中提取更多信息以提升人脸检测性能
计算机视觉与模式识别
2018-05-01 v1
摘要
对于基于 R-CNN 框架的人脸检测网络训练，如果锚框与真实值的交并比高于第一阈值（如 0.7），则将其分配为正样本；如果其 IoU 低于第二阈值（如 0.3），则将其分配为负样本。人脸检测模型通过上述标签进行训练。然而，IoU 介于第一阈值和第二阈值之间的锚框未被使用。我们提出了一种新颖的训练策略，精确框分数（PBS），用于训练目标检测模型。所提出的训练策略使用了 IoU 介于第一和第二阈值之间的锚框，这能够持续提升人脸检测的性能。我们提出的训练策略从数据集中提取了更多信息，更好地利用了现有数据集。此外，我们还引入了一种简单但有效的模型压缩方法（SEMCM），可以进一步提升人脸检测器的性能。实验结果表明，基于我们提出的方案，人脸检测网络的性能可以得到持续提升。
引用
@article{arxiv.1804.10743,
title = {Precise Box Score: Extract More Information from Datasets to Improve the Performance of Face Detection},
author = {Ce Qi and Xiaoping Chen and Pingyu Wang and Fei Su},
journal= {arXiv preprint arXiv:1804.10743},
year = {2018}
}