SSH人脸检测算法论文理解
来源:互联网 发布:心蓝抢票软件官方网 编辑:程序博客网 时间:2024/05/18 05:41
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
- SSH人脸检测算法论文理解
- SSH人脸检测算法创新点
- OHEM算法论文理解
- 基于AdaBoost算法的人脸检测经典论文研究之二
- 基于AdaBoost算法的人脸检测经典论文研究之一
- 基于AdaBoost算法的人脸检测经典论文研究之三
- 论文笔记--人脸检测JDA
- 论文笔记--人脸检测 DL
- 论文 | 基于CNN的目标检测算法
- Adaboost理解:人脸检测
- 【论文笔记】CVPR2015 级联卷积神经网络用于人脸检测
- 【论文笔记】人脸检测窗口选择办法 NMS convnet
- PVAnet算法原理和论文理解
- 人脸检测算法总结
- 人脸检测算法分类
- 人脸检测算法MTCNN
- 显著性检测算法学习阶段论文总结(1)
- 显著性检测算法学习阶段论文总结(2)
- JAVA-ML(机器学习第一天)[Dataset 和 Instance]
- UdpTraceWindows
- 日常笔记之getopt函数详解
- JS——避免使用全局变量
- Qt编写邮件发送大概步骤
- SSH人脸检测算法论文理解
- NOIP2017蹲坑记
- JFrame 羽毛球
- Nginx搭建Tomcat集群【入门】
- 寺库开启“新生活”:高端消费也要玩转新零售
- linux下dnw软件的使用
- 自定义拦截器
- 解决跨域问题
- RabbitMQ消息队列-