RefineFace：用于高性能人脸检测的精修神经网络
计算机视觉与模式识别
2019-09-11 v1
摘要
近年来人脸检测取得了显著进展。然而，高性能人脸检测仍然是一个非常具有挑战性的问题，特别是当存在许多小人脸时。在本文中，我们提出了一种单阶段精修人脸检测器，即 RefineFace，以实现高性能。具体而言，它由五个模块组成：选择性两步回归 (STR)、选择性两步分类 (STC)、尺度感知边际损失 (SML)、特征监督模块 (FSM) 和感受野增强 (RFE)。为了增强回归能力以实现高定位精度，STR 从高层检测层粗略调整锚框的位置和大小，为后续回归器提供更好的初始化。为了提高分类能力以实现高召回效率，STC 首先从低层检测层过滤掉大部分简单的负样本，以减少后续分类器的搜索空间，然后应用 SML 以更好地区分不同尺度的面部与背景，并引入 FSM 使骨干网络学习更具判别性的分类特征。此外，提出了 RFE 以提供更多样化的感受野，从而更好地捕捉某些极端姿态下的人脸。在 WIDER FACE、AFW、PASCAL Face、FDDB、MAFA 上进行的大量实验表明，我们的方法取得了 SOTA 结果，并在使用 ResNet-18 处理 VGA 分辨率图像时以 FPS 的速度运行。
引用
@article{arxiv.1909.04376,
title = {RefineFace: Refinement Neural Network for High Performance Face Detection},
author = {Shifeng Zhang and Cheng Chi and Zhen Lei and Stan Z. Li},
journal= {arXiv preprint arXiv:1909.04376},
year = {2019}
}
备注
Journal extension of our previous conference paper: arXiv:1809.02693. arXiv admin note: text overlap with arXiv:1901.02350 by other authors