用于高性能人脸检测的选择性精炼网络
计算机视觉与模式识别
2018-09-11 v1
摘要
高性能人脸检测仍然是一个非常具有挑战性的问题，尤其是在存在许多微小人脸的情况下。本文提出了一种新颖的单阶段人脸检测器，称为选择性精炼网络（Selective Refinement Network, SRN），它将新颖的两步分类和回归操作选择性地引入基于锚框的人脸检测器中，以同时减少误检并提高定位精度。具体而言，SRN由两个模块组成：选择性两步分类（Selective Two-step Classification, STC）模块和选择性两步回归（Selective Two-step Regression, STR）模块。STC旨在从低层检测层中过滤掉大多数简单负锚框，以减少后续分类器的搜索空间，而STR则设计用于粗略调整来自高层检测层的锚框的位置和尺寸，为后续回归器提供更好的初始化。此外，我们设计了一个感受野增强（Receptive Field Enhancement, RFE）模块来提供更丰富的感受野，有助于更好地捕捉一些极端姿态下的人脸。因此，所提出的SRN检测器在包括AFW、PASCAL face、FDDB和WIDER FACE数据集在内的所有广泛使用的人脸检测基准上均取得了最先进的性能。我们将发布代码以促进对人脸检测问题的进一步研究。
引用
@article{arxiv.1809.02693,
title = {Selective Refinement Network for High Performance Face Detection},
author = {Cheng Chi and Shifeng Zhang and Junliang Xing and Zhen Lei and Stan Z. Li and Xudong Zou},
journal= {arXiv preprint arXiv:1809.02693},
year = {2018}
}
备注
The first two authors have equal contributions. Corresponding author: Shifeng Zhang ([email protected])