PyramidBox：一种结合上下文的单阶段人脸检测器

人脸检测已被研究多年，其中一个尚存的挑战是在无约束环境中检测小尺寸、模糊和部分遮挡的人脸。本文提出了一种新颖的结合上下文的单阶段人脸检测器，命名为 \emph{PyramidBox}，以处理困难的人脸检测问题。观察到上下文的重要性，我们从以下三个方面改进了对上下文信息的利用。首先，我们设计了一种新颖的上下文锚点，通过半监督方法监督高层上下文特征学习，我们将其称为 PyramidAnchors。其次，我们提出了低层特征金字塔网络（Low-level Feature Pyramid Network），将充足的高层上下文语义特征与低层人脸特征结合在一起，这也使得 PyramidBox 能够在单阶段中预测所有尺度的人脸。第三，我们引入了上下文敏感结构，以增加预测网络的容量，从而提高输出的最终准确率。此外，我们使用 Data-anchor-sampling 方法来增强不同尺度的训练样本，这增加了较小人脸训练数据的多样性。通过利用上下文的价值，PyramidBox 在两个人脸检测基准 FDDB 和 WIDER FACE 上取得了优于 SOTA 的性能。我们的代码在 PaddlePaddle 中可用：\href{https://github.com/PaddlePaddle/models/tree/develop/fluid/face_detection}{\url{https://github.com/PaddlePaddle/models/tree/develop/fluid/face_detection}}。