FaceBoxes: 高精度的CPU實時人臉檢測器

論文題目：《FaceBoxes: A CPU Real-time Face Detector with High Accuracy》

論文連接：https://arxiv.org/pdf/1708.05234.pdf

年份：2017

論文做者：Shifeng Zhang等人

做者單位：中國科學院自動化研究所等

公衆號CVpython同步發佈

1. 論文要解決什麼問題？

要保持高精度，還要在CPU上達到實時？還真有點難，可是Shifeng Zhang等人針對這個問題，提出了人臉檢測模型FaceBoxes，表現SOTA。

2. FaceBoxes如何解決問題？

FaceBoxes框架如圖1所示，主要包括Rapidly Digested Convolutional Layers (RDCL)和Multiple Scale Convolutional Layers (MSCL)模塊，還有anchor密集策略。

2.1 RDCL

RDCL的目的是爲了快速下采樣，讓模型可以在CPU上面能達到實時。RDCL採用的方法是縮小空間大小，選擇合適的卷積核大小和減小輸出通道。

• 縮小空間大小：Conv1, Pool1, Conv2 and Pool2 的步長分別是4, 2, 2和 2, 空間大小快速下降了32倍。
• 合適的卷積核大小：前幾層的一些核應該是比較小，以便加速，可是也應該足夠大，以減輕空間大小減少而帶有的信息丟失(爲何能夠減小信息丟失s)。Conv1, Conv2的核大小爲7x7, 5x5，全部池化層的核大小爲3x3。
• 減小輸出通道：使用C.ReLU減小輸出通道，操做如圖2(a)所示。由於C.ReLU做者統計發現底層卷積時卷積核存在負相關，也就是說假設咱們原本使用10個卷積核，可是如今只須要用5個卷積核，另外5個卷積核的結果能夠經過負相關獲得。結果代表使用C.ReLU加速的同時也沒損失精度。

2.2 MSCL

MSCL是爲了獲得更好地檢測不一樣尺度的人臉。

• 深度：在MSCL模塊中，隨着網絡的加深，便獲得不一樣大小的特徵映射(多尺度特徵)。在不一樣大小特徵映射中設置不一樣大小的anchor，有利於檢測不一樣大小的人臉。
• 寬度：Inception由多個不一樣核大小的卷積分支組成。在這些分支中，不一樣的網絡寬度，也有不一樣大小的特徵映射。經過Inception，感覺野也豐富了一波，有利用檢測不一樣大小的人臉。

MSCL在多個上尺度進行迴歸和分類，在不一樣尺度下檢測不一樣大小的人臉，可以大大提升檢測的召回率。

2.3 Anchor密度策略

Inception3的anchor大小爲32，64和128，而Conv3_2和Con4_2的anchor大小分別爲256，512。anchor的平鋪間隔等於anchor對應層的步長大小。例如，Con3_2的步長是64個像素點，anchor大小爲256x256，這代表在輸入圖片上，每隔64個像素就會有一個256x256的anchor。關於anchor的平鋪密度文中是這樣定義的：
$$
A_{density}=A_{scale}/A_{interval}
$$
其中$A_{density}$和$A_{interval}$分別爲anchor的尺度和平鋪間隔。默認的平鋪間隔(等於步長)默分別認爲32，32，32，64和128。因此Inception的平鋪密度分別爲1,2,4，而Con3_2和Con4_2的平鋪密度分別爲4,4。

能夠看出來，不一樣尺度的anchor之間存在平鋪密度不平衡的問題，致使小尺度的人臉召回率比較低，所以，爲了改善小anchor的平鋪密度，做者提出了anchor密度策略。爲了使anchor密集n倍，做者均勻地將$A_{number}=n^2$個anchor鋪在感覺野的中心附近，而不是鋪在中心，如圖3所示。將32x32的anchor密集4倍，64x64的anchor密集兩倍，以保證不一樣尺度的anchor有相同的密度。

2.4 訓練

數據擴增：

• 顏色扭曲
• 隨機採樣
• 尺度變換
• 水平翻轉
• Face Boxes過濾：通過數據擴增的圖片中，若是face boxes的中心還在圖片上，則保留重疊部分，而後把高或者寬<20的過濾掉(這個操做不是很懂了，爲何把小目標過濾掉？)

匹配策略：訓練期間，須要肯定哪些anchor對應臉部的bounding box，咱們首先用最佳jaccard重疊將每一張臉匹配到anchor，而後將anchor匹配到jaccard重疊大於閾值的任何一張臉。

Loss function: 對於分類，採用softmax loss，而回歸則採用smooth L1 損失。

Hard negative mining：anchor 匹配後，發現不少anchor是負的，這會引入嚴重的正負樣本不平衡。爲了快速優化和穩定訓練，做者對loss進行排序而後選擇最小的，這樣子使得負樣本和正樣本的比例最大3:1。

3 實驗結果如何？

Runtime

Evaluation on benchmark

在FDDB上SOTA。

4.對咱們有什麼指導意義？

• 要在CPU上達到實時，考慮一開始就對特徵進行快速下采樣。
• 在淺的卷積層考慮使用CReLU，能夠減小計算量。
• MSCL告訴咱們，檢測各類不一樣大小的物體，考慮從深度和寬度上豐富感覺野。
• anchor密度策略告訴咱們考慮anchor密度以提升召回率。

本文由博客羣發一文多發等運營工具平臺 OpenWrite 發佈