SSH人脸检测算法论文理解

SSH: Single Stage Headless Face Detector 
ICCV2017 
https://github.com/mahyarnajibi/SSH

本文的人脸检测算法走的是又快又好的路子，类似于目标检测中的 SSD算法思路。 

SSH is designed to decrease inference time, have a low memory foot-print, and be scale-invariant， single-stage detector 
本文设计的人脸检测算法简称为 SSH，希望速度快，占用内存少，尺度不变性。它是一个单步骤检测器

3 Proposed Method 
3.1. General Architecture 

主要是在网络不同深度的卷积层进行人脸检测 
SSH 对网络不同位置上，即不同尺度的特征图上接入了三个检测模块，检测模块由 a convolutional binary classifier and a regressor 构成

这里我们采用了类似 RPN 策略来构建 anchor set，采用滑动窗口的方式，每个位置定义具有不同尺度的 K 个 anchors，这里我们的长宽比是1。如果输入检测模块的特征图大小为 W×H， 那么一共有 W×H×K 个anchors

detection module 

Context Module 
incorporate context by enlarging the window around the candidate proposals， 
SSH mimics this strategy by means of simple convolutional layers 

Scale-Invariance Design 
这里检测人脸 在网络的三个不同卷积层使用了 三个检测模块 M1，M2，M3, 这三个检测模块使用的步长分别为 8, 16，32 ，用于检测 大、中、小人脸

3.4. Training 
不同尺寸的人脸对用不同的检测模块进行训练 
3.4.1 Loss function 
损失函数的定义

3.5. Online hard negative and positive mining 
去除一些简单的负样本

4 Experiments

WIDER face detection benchmark 

检测时间 

输入图像尺寸的影响 

创新点：

1：检测model

2：OHEM方法