内容简介：《月令七十二候集解》：“二月中，分者半也，此当九十日之半，故谓之分。秋同义。”《春秋繁露·阴阳出入上下篇》说：“春分者，阴阳相半也，故昼夜均而寒暑平。”
《月令七十二候集解》：“二月中，分者半也，此当九十日之半，故谓之分。秋同义。”《春秋繁露·阴阳出入上下篇》说：“春分者，阴阳相半也，故昼夜均而寒暑平。”
今天我们不说计算机视觉基础知识，接下来说说 AAAI2019一篇比较新颖的Paper，其是 中科院自动化所和京东AI研究院联合的结果， 在 Wider Face 数据集中达到了较高的水准，比arxiv2019_ VIM-FD 的更好一些。今天要说的就是“ Improved SRN ”，现在开始一起学习吧！
Improved SRN
人脸检测作为计算机视觉中的一个长期存在的问题，由于其实际应用，近几十年来一直受到人们的关注。
随着人脸检测基准数据集的广泛应用，近年来各种算法都取得了很大的进展。其中，Selective Refinement Network（ SRN ）人脸检测器有选择地将分类和回归操作引入到 anchor-based 的人脸检测器中，以减少假阳性同时提高定位精度。此外，它还设计了一个感受野增强块，以提供更多样化的感受野。
深度学习——感受野，如果进一步了解感受野，可以进入链接学习！
为了进一步提高 SRN 的性能，通过大量的实验，开发了现有的一些技术，包括新的数据增强策略、改进的 backbone network 、 MS COCO 预训练、解耦分类模块（ decoupled classification module ）、分割分支和压缩激励块（ Squeeze-and-Excitation block ）。
其中，一些技术带来了性能改进，因此，将这些有用的技术结合在一起，提出了一种改进的 SRN 人脸检测器，并在广泛使用的人脸检测基准的人脸数据集上获得了最佳的性能。
人脸检测其实比较简单，就是将图像输入算法框架中，最终返回输入图像中目标人脸的bounding box。
Review of Baseline
接下来，我们先简要回顾 Selective Refinement Network（ SRN ） 。如下图1所示，它包括选择性两步分类( STC )、选择性两步回归( STR )和感受野增强( RFE )，这三个模块的详细说明如下。
图1 SRN 。它包括选择性两步分类( STC )、选择性两步回归( STR )和感受野增强( RFE )。
01
S T C
对于单级检测器，大量的正负样本比的anchor（例如，大约有300k个 anchor ，SRN中的正/负比约为0.006%）导致了相当多的假阳性。因此，它需要另一个阶段，如RPN过 滤掉一些 负样本。选择性两步分类是 从RefineDet继承而来的，有效地拒绝了大量的负样本 anchor ，缓解了类不平衡问题。
STC作用于浅层Feature M ap上 ，来过滤掉大部分比骄傲容易区分的负样本，来减少搜索空间。
02
S T R
像Cascade RCNN这样的多步回归可以提高Bounding Box位置的准确性，特别是在一些具有挑战性的场景中，例如MS COCO风格的评估指标。然而，将多步回归应用于人脸检测任务中，如果不仔细考虑，可能会影响检测结果。
STR作用于高层Feature Map上 ，用来粗略调整anchor的尺度、位置（类似于RefineDet中ARM的回归任务），并进一步 为高层Feature Map上的回归器提供refined后的anchor位置初始化 （类似于RefineDet中ODM的回归任务）。
03
R F E
当前网络通常都具有 square感受野 ，这影响了对不同高宽比目标的检测。为了解决这个问题， SRN 设计了一个感受野增强（RFE），在预测类和位置之前，将特征的感受野多样化，这有助于在某些极端姿势中很好地捕捉到人脸。
改 进 说 明
Improved SRN 基于 SRN 的改进，如 数据增强 、 特征提取 、 训练策略 等。
01
数据增广
使用SRN的原始数据增强策略，包括光照扭曲、通过零填充操作进行随机扩展、从图像中随机裁剪块，并调整块的大小到1024×1024。另外，在概率为0.5的情况下，利用 PyramidBox 中的 data-anchor-sampling ，随机选择图像中的一个人脸，并基于子图像进行定位。这些数据增强方法对于防止过度拟合和构造鲁棒模型至关重要。
02
特征提取
Wider Face内小尺度人脸特别多，SRN的主干网为： ResNet-50-FPN ，可以进一步提升；ScratchDet提出了 Root-ResNet ，用于检测小尺度目标，但训练速度比原生态ResNet慢。
那么为了保证主干网性能好，训练速度快， Improved SRN 融合了Root-ResNet+DRN的思路。
具体地，ResNet中第一个stride = 2的7 x 7 conv，丢失了很多图像的细节信息，对小尺度人脸检测不利，本次的改进如下图2，第一阶段的conv整体上stride = 1，channel = 16，而非64，并新增了2个residual blocks，一方面增强特征的表达能力，另一方面做下采样，通道数也少了很多；整体上就是，提特征能力强了，额外的计算开销也减少。
图2 网络结构图 (a)ResNet-18：原始结构，(b)Root-ResNet-18：用三层叠置的3×3卷积层取代7×7卷积层，并将步长2改为1，(c)New-ResNet-18：将DRN与Root-ResNet-18相结合，为SRN建立一个训练速度/精度折衷的网络骨干。
03
训练策略
由于RESNET-50-FPN主干网已经被修改，所以不能使用ImageNet预训练模型。一种解决方案是DRN，它在ImageNet数据集上训练修改后的主干，然后在更宽的面上进行细化。
然而，有人证明了ImageNet的预训练是不必要的。因此，将训练epoch翻了一番，达到260次，并从零开始用改进的骨干网络训练模型。从零开始训练的关键因素之一是标准化，由于输入量大(1024×1024)，一个24G GPU只能输入5幅图像，导致批量归一化从零开始训练时效果不佳。为此，利用group=16的组规范化（ Group Normalization ）从零开始训练这个改进的ResNet-50骨干网。
此外，最近的FA-RPN证明，人脸检测模型若先在MS COCO上训练一波，再在Wider Face上进一步训练，性能会更好，Improved SRN也使用了该方案。
总结：Improved SRN中，图2(c)中修改的主干网，不在ImageNet上预训练，而是直接把整个检测网络先在MS COCO上训练，再在Wider Face上进一步训练即可。
为什么MS COCO上训练后，效果会更好呢？
文中认为是MS COCO包含了people类，而且有特别多的小尺度目标，对模型性能提升是有帮助的。
图3 实验结果
如果想加入我们“ 计算机视觉战队 ”，请扫二维码加入学习群，我们一起学习进步，探索领域中更深奥更有趣的知识！
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- 算法升级！开源极快速CNN人脸检测新增人脸关键点功能
- 全球人脸识别算法测试最新结果：中国算法包揽前五
- 基于Adaboost算法的人脸检测分类器！
- 人脸识别三大经典算法（附经典论文列表）
- 速度高达 15000 fps 的人脸检测算法
- 清华&商汤开源超高精度边缘感知人脸对齐算法
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
