論文要點
- 多尺度檢測網絡，各分支隻關心自己負責的尺度範圍；
- 網絡設計以部署平台運作效率為目标，使用優化效果最高的結構設計網絡；
- Anchor類方法有離散、樣本不均、依靠經驗等問題，提出使用RF的Anchor-Free方法。
主要内容
基于Anchors的方法存在問題
- Anchor很難充分覆寫所有尺寸的人臉；
- IOU門檻值需要靠經驗選取；
- Anchor數量與尺寸全靠經驗，容易導緻樣本不平衡和備援計算。
論文學習 LFFD: A Light and Fast Face Detector for Edge Devices論文要點主要内容
RF 和 ERF
Feature map中每一個點都對應一個感受野（RF），處于感受野越靠近中心位置的像素對結構影響越大；越小的人臉越需要更多的上下文資訊，有效感受野（ERF）也就需要覆寫更多的context information(大的人臉能直接判别，但小的人臉需要借助脖子、肩膀等上下文資訊來判斷)；感受野可以複用為Anchor。
模型結構
模型結構主幹網絡使用目前主流部署工具優化性能最高的3x3卷積核，通過降維分割為tiny、small、medium、large四個部分，分别取2、2、1、3共8路檢測分支，每個分支通過1x1卷積核從主幹網絡中導出。由于測試BN層會減慢約17%，是以網絡中不包含BN層。
根據網上大家的解讀，RF的計算公式為：
R F i = R F i − 1 + ( k − 1 ) ∗ s t r i d e RF_i=RF_{i-1}+(k-1)*stride RFi=RFi−1+(k−1)∗stride
以下為根據這個公式的計算結果，不一定正确。由于訓練的圖像最大為640x640子圖，是以RF的最大尺寸達到639。
55 = 35 + （ 6 − 1 ） ∗ 4 55=35+（6-1）*4 55=35+（6−1）∗4
71 = 55 + （ 5 − 1 ） ∗ 4 71=55+（5-1）*4 71=55+（5−1）∗4
111 = 71 + （ 6 − 1 ） ∗ 8 111=71+（6-1）*8 111=71+（6−1）∗8
143 = 111 + （ 5 − 1 ） ∗ 8 143=111+（5-1）*8 143=111+（5−1）∗8
223 = 143 + （ 6 − 1 ） ∗ 16 223=143+（6-1）*16 223=143+（6−1）∗16
383 = 223 + （ 6 − 1 ） ∗ 32 383=223+（6-1）*32 383=223+（6−1）∗32
511 = 383 + （ 5 − 1 ） ∗ 32 511=383+（5-1）*32 511=383+（5−1）∗32
639 = 511 + （ 5 − 1 ） ∗ 32 639=511+（5-1）*32 639=511+（5−1）∗32
損失函數
損失函數包含分類交叉熵、回歸L2，其中分類損失計算時設定各分支隻檢測自己尺度範圍内的人臉，主要為對下邊界0.9-1、上邊界1-1.1系數範圍内設定gray scales，剩下的劃分為positive/negative。
資料預處理
WIDER FACE資料集中的12880張圖像，150000張驗證集人臉，丢棄少于10x10像素的人臉（網絡設計中能檢測到的最小人臉為10x10）。輸入圖像先減127.5，再除以127.5.
資料增廣方法包括：
- Color Distort 增加光噪聲、更改亮度對比度等；
- Random Sampling 随機選擇一個圖像、一個人臉，選擇某個區間内大小的人臉進行整體縮放，并以選擇的人臉為中心截取一個640*640的子圖，将超出的區域填充黑色。同時通過随機采樣，保證不同分支輸出人臉數相同、人臉被各分支采樣的機率相同。
- Randomly Horizontal Flip 以0.5的機率對子圖進行随機翻轉。
訓練過程中，根據損失值對負樣本排序，以正負樣本1:10的比例選取排名靠前的負樣本。
訓練參數
| 參數 | 設定值 |
|---|---|
| 初始化方法 | Xavier |
| Optimization | Sgd |
| Momentum | 0.9 |
| Weight decay | |
| Batchsize | 32 |
| Lr | 0.1 |
| Iteration | 1500000 |
| 衰減政策 | 600000/1000000/1200000/1400000 |
評估方法
SIO【Single Inference on the Original】以原圖輸入運作一次，而不進行多尺度變化 ，對SSH這種有trick的影響較大。
多平台測試，TITAN Xp、TX2、RaspberryPi3。
參數量與推理耗時的關系對比： E n e t = F L O P s / t E_{net}=FLOPs/t Enet=FLOPs/t
參考連結
論文位址
人臉識别論文閱讀筆記1 – CVPR2019-LFFD
LFFD A Light and Fast Face Detector for Edge Devices論文閱讀筆記
[論文了解] LFFD: A Light and Fast Face Detector for Edge Devices