人脸检测:《S3FD: Single Shot Scale-invariant Face Detector》论文详解

本文主要是介绍人脸检测:《S3FD: Single Shot Scale-invariant Face Detector》论文详解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

最近项目中在做人脸检测识别。现大致对人脸检测做一个总结归纳。

文章链接:《S3FD: Single Shot Scale-invariant Face Detector》

GITHUB :https://github.com/sfzhang15/SFD

This paper presents a real-time face detector, named Single Shot Scale-invariant Face Detector (S3FD), which performs superiorly on various scales of faces with a single deep neural network, especially for small faces。

Making contributions in the following three aspects:

1) proposing a scale-equitable face detection framework to handle different scales of faces well. We tile anchors on a wide range of layers to ensure that all scales of faces have enough features for detection. Besides, we design anchor scales based on the effective receptive field and a proposed equal proportion interval principle;

2) improving the recall rate of small faces by a scale compensation anchor matching strategy;

3) reducing the false positive rate of small faces via a max-out background label. As a consequence, our method achieves state-of-theart detection performance on all the common face detection benchmarks, including the AFW, PASCAL face, FDDB and WIDER FACE datasets, and can run at 36 FPS on a Nvidia Titan X (Pascal) for VGA-resolution images.

总而言之

这篇可以看作是对SSD的改进与完善,速度较慢(36FPS with Titan X & VGA)。

对小脸检测效果较好,例如下图:

在1000个人脸中找到了853张脸。

并且在其他数据集上的召回率比起其他算法也要好一些。

其他的人脸检测算法速度和性能比较可以参照另一篇文章:https://zhuanlan.zhihu.com/p/32702868

一、方法介绍

在近几年里,CNN网络在图像分类到目标检测都取得了显著的成功。这同样激励着人脸检测。

因此该文作者从目标检测的方法中,改进了anchor-based的通用检测框架并提出了新的人脸检测方法。

In this paper, inspired by the RPN in Faster RCNN and the multi-scale mechanism in SSD, we develop a state-ofthe-art face detector with real-time speed.

原来的anchor-based是存在问题的。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

  • (a) 由于卷积网络的池化层,小尺度人脸最后拥有的特征太少;
  • (b) anchor的尺寸与感受野的尺寸互相不匹配,且都太大而不适宜小人脸;
  • (c) 离散尺度的anchor预测连续尺度的人脸,导致tiny face和outer face均不能获得足够多的匹配;
  • (d) 小的anchors在背景里进行匹配时会面临更多的负样本。

二、模型要点介绍

1.Scale-equitable framework

    这个框架是基于anchor-based检测框架,例如RPN和SSD。作者为了提高面部尺度的鲁棒性,开发了一个网络架构,其中包括各种anchor-associated层。 论文中的anchor-associated 网络层的步长 从 4到 128 以2倍方式递增,这样可以保证不同尺度的人脸都有足够的信息用于人脸检测,anchor尺寸从16->512

网路结构(看上图)包括以下几个部分:

1)(Base Convolutional Layers)基础卷积层:我们保持了VGG16的从conv1_1到pool5的所有层,并去掉所有的其他网络层。

2)(Extra Convolutional Layers) 额外卷积层:我们通过对他们的参数进行二次采样,并将VGG16的fc6和fc7层转换成卷积层,然后在它们后面添加额外的卷积层。这些层可以逐渐减小尺寸并形成多尺度特征图。

3)(Detection Convolutional Layers)检测卷积层:我们选择了conv3_3,conv4_3,conv5_3,conv_fc7,conv6_2和conv7_2层作为检测层。

4)(Normalization Layers)正则化层:与其他检测层相比,conv3_3,con4_3,con5_3具有不同的特征尺度。因为我们使用L2正则化将它们的Norm分别调整到10,8,和5,然后在反向传播期间学习尺度。

5)(Predicted Convolutional Layers)预测卷积层:每个检测层之后都是一个p×3×3×q的卷积层,其中p和q是输入和输出的通道数字,3×3是卷积核大小。对于每一个anchor,我们预测 4个坐标位置补偿, N_s 个分类概率,其中 conv3_3 检测层是N_s = N_m + 1 ,其他检测层 N_s =2。

6)(Multi-task Loss Layer)多任务损失层:我们对分类用softmax loss,对于位置回归使用smooth L1 loss。

Designing scales for anchors.

对于6个检测层,我们使用不同尺度的Square anchor。

上表说表示的网络之所以这么设计,主要考虑了以下两个因素:

1.Anchor的尺度应该比receptive field(RF)小。

理论上的感受野是指该范围内的任意输入都会影响到输出。但实际上,这种影响不是均匀的。因此中间的输入对输出影响越重,类似于一种高斯分布。如下图所示。

我们应当使得anchor的尺度与有效receptive field相匹配,有效receptive field如上图b蓝色圈圈所示。其中黑色框为理论receptive field。

**不同size的anchor应当具有相同的空间密度。

如上图(c)所示,anchor的size与stride的比例始终保持为4。 这也就意味着,即使在不同尺度上,滑动过一定百分比(占anchor大小的百分比)的像素,得到的anchor的数量是一致的。

2.Scale compensation anchor matching strategy

如上图所示,平均匹配到的anchor数量约为3,太少;与anchor size差距较远的人脸匹配成功的数量尤其少(tiny face + outer face)。为了改善这种状况,主要采取了下列两种手段:

  • (1)将原有的匹配阈值由0.5降到0.35,以此来增加更多的成功匹配。 (但该策略只能提高平均匹配数量,但不能改善tiny face和outer face。)
  • (2)选出所有IOU大于0.1得到anchor并进行排序,从中选TOP N。(N为平均成功匹配数量。)

处理后的效果如下(a):

3.Max-out bckground label

下表是一张640x640图片上所能产生的不同size的anchor的数量,显然尺寸小的anchor占了绝大比例,这也是false positive的主要来源。

对于conv3_3,由于采用了小的anchor,导致太多的人脸虚警(False positive)

这里背景太过复杂,将其分类一类太笼统了,于是我们将背景细分为多类,人脸作为一类。这样复杂的背景就可以被正确分类的概率就提升了。

为了去除这些虚警,我们对每个最小anchors,我们将背景分为了N_m类,在计数每个位置类别时,我们得到N_m类个背景的概率,然后选择一个概率最大的分数作为最终分数用于计算softmax loss。

4.Conclusion

本文介绍了一种新型的人脸检测方法,是通过解决anchor-based检测方法的随着物体变小而性能急剧下降的问题。该文分析了这个问题的背后原因,并提出了一种scale-equitable框架,其中包含了各种anchor-associated层和一系列合理的anchor尺度,以便很好地处理不同人脸尺度。此外,该文还提出了尺度补偿anchor匹配策略,以提高小脸的召回率和最大背景标签以减小人脸的误报率。

实验表明,该文的三项贡献使S3FD在所有常见的人脸检测基准测试中都具有最先进的性能,特别是对小脸的检测。在他们未来的工作中,打算进一步改进背景patch的分类策略。他们认为明确将背景类划分为若干子类是值得进一步研究的。

 

后续再对S3FD算法实际测试和重新训练。----未完

这篇关于人脸检测:《S3FD: Single Shot Scale-invariant Face Detector》论文详解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/441430

相关文章

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

6.1.数据结构-c/c++堆详解下篇(堆排序,TopK问题)

上篇:6.1.数据结构-c/c++模拟实现堆上篇(向下,上调整算法,建堆,增删数据)-CSDN博客 本章重点 1.使用堆来完成堆排序 2.使用堆解决TopK问题 目录 一.堆排序 1.1 思路 1.2 代码 1.3 简单测试 二.TopK问题 2.1 思路(求最小): 2.2 C语言代码(手写堆) 2.3 C++代码(使用优先级队列 priority_queue)

K8S(Kubernetes)开源的容器编排平台安装步骤详解

K8S(Kubernetes)是一个开源的容器编排平台,用于自动化部署、扩展和管理容器化应用程序。以下是K8S容器编排平台的安装步骤、使用方式及特点的概述: 安装步骤: 安装Docker:K8S需要基于Docker来运行容器化应用程序。首先要在所有节点上安装Docker引擎。 安装Kubernetes Master:在集群中选择一台主机作为Master节点,安装K8S的控制平面组件,如AP

基于 YOLOv5 的积水检测系统:打造高效智能的智慧城市应用

在城市发展中,积水问题日益严重,特别是在大雨过后,积水往往会影响交通甚至威胁人们的安全。通过现代计算机视觉技术,我们能够智能化地检测和识别积水区域,减少潜在危险。本文将介绍如何使用 YOLOv5 和 PyQt5 搭建一个积水检测系统,结合深度学习和直观的图形界面,为用户提供高效的解决方案。 源码地址: PyQt5+YoloV5 实现积水检测系统 预览: 项目背景

JavaFX应用更新检测功能(在线自动更新方案)

JavaFX开发的桌面应用属于C端,一般来说需要版本检测和自动更新功能,这里记录一下一种版本检测和自动更新的方法。 1. 整体方案 JavaFX.应用版本检测、自动更新主要涉及一下步骤: 读取本地应用版本拉取远程版本并比较两个版本如果需要升级,那么拉取更新历史弹出升级控制窗口用户选择升级时,拉取升级包解压,重启应用用户选择忽略时,本地版本标志为忽略版本用户选择取消时,隐藏升级控制窗口 2.

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快