論文題目：《FaceBoxes: A CPU Real-time Face Detector with High Accuracy》
論文鏈接：https://arxiv.org/pdf/1708.05234.pdf
年份：2017
論文作者：Shifeng Zhang等人
作者單位：中國科學院自動化研究所等
公眾號CVpython同步發布
1. 論文要解決什么問題？
要保持高精度，還要在CPU上達到實時？還真有點難，但是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的目的是為了快速下采樣，讓模型能夠在CPU上面能達到實時，RDCL采用的方法是縮小空間大小，選擇合適的卷積核大小和減少輸出通道，
- 縮小空間大小：Conv1, Pool1, Conv2 and Pool2 的步長分別是4, 2, 2和 2, 空間大小快速降低了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，但是也應該足夠大，以減輕空間大小減小而帶有的資訊丟失(為什么可以減少資訊丟失s)，Conv1, Conv2的核大小為7x7, 5x5，所有池化層的核大小為3x3，
- 減少輸出通道：使用C.ReLU減少輸出通道，操作如圖2(a)所示，因為C.ReLU作者統計發現底層卷積時卷積核存在負相關，也就是說假設我們本來使用10個卷積核，但是現在只需要用5個卷積核，另外5個卷積核的結果可以通過負相關得到，結果表明使用C.ReLU加速的同時也沒損失精度，
2.2 MSCL
MSCL是為了得到更好地檢測不同尺度的人臉，
- 深度：在MSCL模塊中，隨著網路的加深，便得到不同大小的特征映射(多尺度特征)，在不同大小特征映射中設定不同大小的anchor，有利于檢測不同大小的人臉，
- 寬度：Inception由多個不同核大小的卷積分支組成，在這些分支中，不同的網路寬度，也有不同大小的特征映射，通過Inception，感受野也豐富了一波，有利用檢測不同大小的人臉，
MSCL在多個上尺度進行回歸和分類，在不同尺度下檢測不同大小的人臉，能夠大大提高檢測的召回率，
2.3 Anchor密度策略
Inception3的anchor大小為32，64和128，而Conv3_2和Con4_2的anchor大小分別為256，512，anchor的平鋪間隔等于anchor對應層的步長大小，例如，Con3_2的步長是64個像素點，anchor大小為256x256，這表明在輸入圖片上，每隔64個像素就會有一個256x256的anchor，關于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$A_{interval}$分別為anchor的尺度和平鋪間隔，默認的平鋪間隔(等于步長)默分別認為32，32，32，64和128，所以Inception的平鋪密度分別為1,2,4，而Con3_2和Con4_2的平鋪密度分別為4,4，
可以看出來，不同尺度的anchor之間存在平鋪密度不平衡的問題，導致小尺度的人臉召回率比較低，因此，為了改善小anchor的平鋪密度，作者提出了anchor密度策略，為了使anchor密集n倍，作者均勻地將$A_{number}=n^2$個anchor鋪在感受野的中心附近，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，以保證不同尺度的anchor有相同的密度，
2.4 訓練
資料擴增：
- 顏色扭曲
- 隨機采樣
- 尺度變換
- 水平翻轉
- Face Boxes過濾：經過資料擴增的圖片中，如果face boxes的中心還在圖片上，則保留重疊部分，然后把高或者寬<20的過濾掉(這個操作不是很懂了，為什么把小目標過濾掉？)
匹配策略：訓練期間，需要確定哪些anchor對應臉部的bounding box，我們首先用最佳jaccard重疊將每一張臉匹配到anchor，然后將anchor匹配到jaccard重疊大于閾值的任何一張臉，
Loss function: 對于分類，采用softmax loss，而回歸則采用smooth L1 損失，
Hard negative mining：anchor 匹配后，發現很多anchor是負的，這會引入嚴重的正負樣本不平衡，為了快速優化和穩定訓練，作者對loss進行排序然后選擇最小的，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.對我們有什么指導意義？
- 要在CPU上達到實時，考慮一開始就對特征進行快速下采樣，
- 在淺的卷積層考慮使用CReLU，可以減少計算量，
- MSCL告訴我們，檢測各種不同大小的物體，考慮從深度和寬度上豐富感受野，
- anchor密度策略告訴我們考慮anchor密度以提高召回率，
本文由博客群發一文多發等運營工具平臺 OpenWrite 發布
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/228772.html
標籤：其他
上一篇：監督學習和kNN分類初學者教程