人臉檢測

其實前面幾個月看過人臉檢測測論文，就是我寫MTCNN那陣，看過了10篇？其實主要仍是看的別人的專欄和總結，本身沒怎麼深刻看。由於感受和目標檢測用的方法很像。還沒決定作哪一個方向以前，仍是在加強基本功比較好。

人臉檢測和通用目標檢測的區別

1. 要求速度快，能作到實時。畢竟用在安防這種地方，講究的就是實時監測

2. 要求效率高，由於人臉比較小，因此須要對小物體準確率比較高。

因此須要在通用目標檢測框架基礎上作一些見得修改。參照別人的專欄，本身寫一下吧。

https://zhuanlan.zhihu.com/p/32702868

https://zhuanlan.zhihu.com/p/38512246

https://zhuanlan.zhihu.com/p/36621308

1.級聯繫列

https://zhuanlan.zhihu.com/p/38340206

主要參考這我的的文章，寫的很詳細。

Cascade CNN

這篇爲級聯網絡結構和CNN結合的第一論文？以後MTCNN就是在他的基礎上作得修改。結構以下，3個特徵提取網絡，分析是否屬於人臉，3個迴歸框調整網絡，對迴歸框位置進行調整：

先是3個特徵提取網絡，12net,24net和48net,表明屬於輸入的圖片格式大小。即便用12*12的滑動窗口進行滑動，提取圖片輸入網絡中。12net的做用是先大量粗曬不符合的圖片，爲下一步準備分類減小負擔。注意24net和48net都有一個分支，這個分支也會提取特徵，而後與24net或48net的全鏈接層組合，一塊兒判斷是否屬於人臉。

 

 迴歸框調整網絡，徹底是利用先驗知識作得調整。注意最後labels是48個評分，即對48種調整分別作了評分。以下：

 

 如何進行的45種調整呢？5*3*3以下：

  Sn：(0.83,0.91,1.0,1.10,1.21)

  Xn：(-0.17,0,0.17)

  Yn：(-0.17,0,0.17)

 MTCNN

 MTCNN是在原來Cascade CNN上作得一種調整。

 第一步是先造成圖像金字塔，取不一樣大小的圖像，以後在整幅圖上作全卷積，注意第一次P-net無全鏈接網絡，由於輸入的圖片大小不同。以後篩選以後將第一次的預測圖像resize成24*24，而後輸入到R-net中，而後進行預測。第三次resize成48*48，而後輸入到O-net中，再進行預測。流程以下圖：

 

 精細的網絡結構以下圖。能夠看到和Cascade仍是很像的，都是級聯網絡，加入了關鍵點檢測，同時第一層12*12網絡也去掉了全鏈接層：

 

 Facecraft

級聯網絡的進一步優化，作到了end2end訓練，可是貌似效果不如MTCNN不過端到端訓練應該是個趨勢，畢竟速度快。.總體框架如圖，很明白的圖，就是分三支路，以後分別預測同時和下一支路特徵進行融合。還提到了和Fastrcnn進行聯合訓練？沒仔細看是如何提出的。。。

 

 loss部分

Finding tiny face

這個不是級聯網絡，更像目標檢測中One-Stage方法作得一種優化，明顯針對小目標的。如圖，有幾種訓練方式，能夠直接看翻譯。

1. 模板固定，即人臉大小固定，輸入不一樣resize後的圖像。

2. 圖像固定，輸入不一樣大小的人臉

3.前兩種的結合，改變人臉和圖像

由於同一副圖像中多個不一樣人臉，大小也不同，resize的意義在於檢測多尺度信息，尤爲是小目標。這個模板是如何取得？不是特別清楚。模板就很像目標檢測的anchor結構了。估計也是經過聚類來獲得的一種先驗統計

4，5. 在3的基礎上增長一些上下文信息，有助於分類識別。文中叫context.

下圖爲網絡架構不一樣大小，不一樣大小圖片和不一樣size的人臉模板

 

 還對比了一組加入上下文信息後的結果，融入不一樣層feature map有助於小人臉的識別：

Face-RCNN

對Faster-RCNN作得一個優化，加入center loss，多尺度訓練，還有對正負樣本的限制。。沒仔細看，由於一看到和Frcnn像就沒看下去了。。

central loss更多用於人臉識別。就是不一樣人臉經過網絡造成向量，對比不一樣向量間差別能更好識別人臉。

 

 SSH

 基於SSD的，對傳統的人臉檢測改進就是再也不resize輸入圖片，而是由不一樣的卷積，形成不一樣的感覺野，以此區分大，中，小臉。還要產生K個anchor結構

其中MA,M2,M3模塊就是不一樣的感覺野模塊，經過不一樣大小的卷積造成的。