Scale-Aware Face Detection阅读笔记

https://arxiv.org/pdf/1706.09876.pdf

论文中通过两步来实现多尺度的人脸检测

• Face Scale Estimation
• Single Scale Detection

首先，估计出图片中存在的人脸的尺度，并且计算出每个尺度的置信度，再选取置信度高的，在这些特定的尺度上对人脸进行检测。这样的方法不用在各个尺度下对人脸进行检测，因此在速度上会比较快。

1.Scale Proposal Network(SPN)

第一步的尺度估计用的是一个FCN全卷积网络（可以参考http://blog.csdn.net/fate_fjh/article/details/53446630），网络输出的是一个尺度响应的heatmap(of size w × h × z),在网络的最后是一个global max-pooling layer,通过pooling输出一个1 × 1 × n的直方图向量。SPN可以忽略input size and face location，产生一个固定维度的尺度直方图，从而得到每个尺度对应的confidence。输出数据的长度就等于直方图bins的个数，并且直方图经过sigmoid函数

归一化到[0, 1]，用来表示probability.

2.Scaling strategy generation

在上一步中得到的直方图向量可能会有噪声，所以接下来要利用滑动平均滤波来进行处理，最后在利用非极大值抑制算法来寻找极大值。滑动的窗口大小等于检测器覆盖范围的一半。

3.Single-scale RPN

这一部分是人脸检测，用的是Region Proposal Network(RPN)(参考论文：https://arxiv.org/pdf/1506.01497.pdf)，只使用一种anchor,并且每次只检测一张脸，所以叫Single-scale RPN.

4.Implementation details

1)global supervision

Loss function:

2)ground truth preparation

人工标注的五官具有一定的主观性，因此将标注的左右眼、鼻子、嘴巴左右端坐标取平均，得到标识框的中心坐标和边长。

如果用0,1来标识是否为人脸，噪声比较多。在比较大的间隔上使用最近邻算法会使SPN的表现drop rapidly甚至是无法收敛。

对于每一个face size s,定义一个高斯函数

3）Receptive field problem

跟RPN不同的是，感受野的限制不会使得网络无法正确检测出较大的目标，因为一张很大的脸的部分特征已近足够估计出完整的脸的大小。