通过在困难图像上学习小人脸实现鲁棒人脸检测
计算机视觉与模式识别
2018-11-29 v1
摘要
近期基于锚点的深度人脸检测器取得了令人鼓舞的性能，但它们仍难以检测困难人脸，如小尺寸、模糊及部分遮挡的人脸。一个原因是它们对所有图像和人脸一视同仁，未对困难样本投入更多精力；然而，许多训练图像仅包含简单人脸，这对在困难图像上取得更好性能帮助有限。本文提出，通过在困难图像上学习小人脸可提升人脸检测器对困难人脸的鲁棒性。我们的直觉是：(1) 困难图像指至少包含一张困难人脸的图像，因而有助于训练鲁棒的人脸检测器；(2) 多数困难人脸为小人脸，且其他类型的困难人脸可通过缩小轻松转换为小人脸。我们构建了一个基于锚点的深度人脸检测器，其仅输出带有小锚点的单一特征图，专门用于学习小人脸，并通过一种新颖的困难图像挖掘策略进行训练。我们在 WIDER FACE、FDDB、Pascal Faces 和 AFW 数据集上进行了大量实验以证明方法的有效性。我们的方法在 WIDER FACE val 数据集的 easy、medium 和 hard 子集上分别取得 95.7、94.9 和 89.7 的 AP，超越了以往的 SOTA，尤其在 hard 子集上。代码与模型见 https://github.com/bairdzhang/smallhardface。
引用
@article{arxiv.1811.11662,
title = {Robust Face Detection via Learning Small Faces on Hard Images},
author = {Zhishuai Zhang and Wei Shen and Siyuan Qiao and Yan Wang and Bo Wang and Alan Yuille},
journal= {arXiv preprint arXiv:1811.11662},
year = {2018}
}