面向高效人脸检测的样本与计算重分配
计算机视觉与模式识别
2021-05-12 v1
摘要
尽管在非受控人脸检测方面已取得巨大进展，但以低计算成本和高精度实现高效人脸检测仍是一项开放挑战。本文指出，训练数据采样与计算分布策略是高效且准确人脸检测的关键。受这些观察启发，我们引入两种简单但有效的方法：（1）样本重分配（SR），基于基准数据集的统计数据，为最需要的阶段增广训练样本；（2）计算重分配（CR），基于精心定义的搜索方法，在模型的骨干、颈部和头部之间重新分配计算。在 WIDER FACE 上开展的广泛实验表明，所提出的 \scrfd 系列在广泛的计算量级上实现了最先进的效率-精度权衡。特别地，\scrfdf{34} 在硬集上的 AP 优于最佳竞争对手 TinaFace 达 ，同时在 VGA 分辨率图像上于 GPU 上的速度快 3 以上。我们还发布了代码以促进未来研究。
引用
@article{arxiv.2105.04714,
title = {Sample and Computation Redistribution for Efficient Face Detection},
author = {Jia Guo and Jiankang Deng and Alexandros Lattas and Stefanos Zafeiriou},
journal= {arXiv preprint arXiv:2105.04714},
year = {2021}
}