code: https://github.com/hukkelas/DSFD-Pytorch-Inference, https://github.com/Tencent/FaceDetection-DSFD
文章目录
- 摘要
- 论文的贡献
摘要
在本文中，我们提出了一种新的人脸检测网络，分别解决了人脸检测的三个关键方面，包括更好的特征学习、渐进式损失设计和基于锚定分配的数据增强。首先，我们提出了一个特征增强模块(FEM)来增强原始特征图，将单镜头探测器扩展到双镜头探测器。其次，我们采用由两组不同的锚计算的渐进锚损失(PAL)，以有效地促进特征。第三，我们使用一个改进的锚匹配(IAM)，将新的锚分配策略集成到数据增强中，为回归变量提供更好的初始化。由于这些技术都与双流设计有关，我们将提出的网络命名为双脸检测器(DSFD)。在流行的基准测试，更广泛的FACE和FDDB上的广泛实验，证明了DSFD优于最先进的人脸检测器。
论文的贡献
- 一种新的特征增强模块，利用不同的层次信息，从而获得更多的可鉴别性和鲁棒性特征。
- 通过一组较小的锚点，在早期层引入辅助监督，以有效地促进功能。
- 一种改进的锚匹配策略，尽可能匹配锚和地面真相，为回归变量提供更好的初始化。
- 在流行的基准FDDB和更广泛的FACE上进行了全面的实验，以证明我们提出的DSFD网络相对于最先进的方法的优越性。
