RetinaFace：自然场景下单阶段密集人脸定位
计算机视觉与模式识别
2019-05-07 v2
摘要
尽管在无约束人脸检测方面已取得巨大进展，自然场景下准确而高效的人脸定位仍是一项开放挑战。本文提出一种鲁棒的单阶段人脸检测器，名为RetinaFace，其利用联合额外监督与自监督多任务学习的优势，在各种尺度的人脸上进行像素级人脸定位。具体而言，我们在以下五个方面做出贡献：（1）我们在WIDER FACE数据集上手动标注了五个面部关键点，并观察到在此额外监督信号辅助下困难人脸检测有显著改善。（2）我们进一步添加了一个自监督网格解码器分支，与现有监督分支并行地预测像素级3D形状人脸信息。（3）在WIDER FACE困难测试集上，RetinaFace以1.1%的优势超越SOTA平均精度（AP）（达到91.4%的AP）。（4）在IJB-C测试集上，RetinaFace使SOTA方法（ArcFace）在人脸验证中提升其结果（FAR=1e-6时TAR=89.59%）。（5）通过采用轻量骨干网络，RetinaFace可在单CPU核上以VGA分辨率图像实时运行。额外标注与代码已发布于：https://github.com/deepinsight/insightface/tree/master/RetinaFace。
引用
@article{arxiv.1905.00641,
title = {RetinaFace: Single-stage Dense Face Localisation in the Wild},
author = {Jiankang Deng and Jia Guo and Yuxiang Zhou and Jinke Yu and Irene Kotsia and Stefanos Zafeiriou},
journal= {arXiv preprint arXiv:1905.00641},
year = {2019}
}