从鲁棒锚点视角看小人脸检测
计算机视觉与模式识别
2018-02-27 v1
摘要
本文提出一种新颖的锚点设计，以支持基于锚点的人脸检测实现优异的尺度不变性能，尤其在微小人脸方面。为此，我们明确解决基于锚点的检测器在微小尺寸人脸(如小于 16x16 像素)上性能急剧下降的问题。本文探究了该现象成因。我们发现当前锚点设计无法保证微小人脸与锚框间的高重叠度，从而增加了训练难度。提出新的期望最大重叠(EMO)分数，其能从理论上解释低重叠问题，并启发若干有效的新锚点设计策略以达成更高人脸重叠度，包括降低锚点步长并采用新网络架构、额外偏移锚点以及随机人脸偏移。综合实验表明，所提方法显著优于基线基于锚点的检测器，同时在具挑战性的人脸检测数据集上以有竞争力的推理速度持续取得最先进结果。
引用
@article{arxiv.1802.09058,
title = {Seeing Small Faces from Robust Anchor's Perspective},
author = {Chenchen Zhu and Ran Tao and Khoa Luu and Marios Savvides},
journal= {arXiv preprint arXiv:1802.09058},
year = {2018}
}
备注
CVPR 2018