01 簡  要

說到人臉檢測，應(yīng)該是近幾年不老的話題了，如果要將這技術(shù)真的落實(shí)到現(xiàn)在產(chǎn)品，其實(shí)還有很長的路，不知道大家有沒有發(fā)現(xiàn)，很多無人超市開始走下坡路，也許不僅僅是技術(shù)的原因之一吧，但是我們只針對技術(shù)來說，其實(shí)還是有很多不足需要去解決，這也是之后我們?nèi)四樳@個專集和大家要說的，那我們就開始吧！

級聯(lián)算法在人臉檢測中得到了廣泛的應(yīng)用，其中首先可以使用計(jì)算量小的分類器來縮小大部分背景，同時保持召回。

今天說的這個技術(shù)就是提出了一種由兩個主要步驟組成的級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)方法。第一階段采用低像素候選窗口作為輸入，使淺層卷積神經(jīng)網(wǎng)絡(luò)快速提取候選窗口；在第二階段，調(diào)整來自前一階段的窗口的大小，并將其分別用作對應(yīng)網(wǎng)絡(luò)層的輸入。在訓(xùn)練期間，對hard-樣本進(jìn)行聯(lián)合在線訓(xùn)練，并采用soft非極大抑制算法對數(shù)據(jù)集進(jìn)行測試。整個網(wǎng)絡(luò)在FDDB上實(shí)現(xiàn)了更好的性能。

開始詳細(xì)講解，先和大家回憶經(jīng)典網(wǎng)絡(luò)

02 Fully Convolution Network

如上圖所示，不知道細(xì)心的同學(xué)有發(fā)現(xiàn)差別所在不？？？

差別：全連接結(jié)構(gòu)和完全卷積結(jié)構(gòu)之間的區(qū)別表現(xiàn)在每一層的圖像大小上。

經(jīng)過兩次卷積和池化運(yùn)算后，原始圖像的分辨率由227×227變?yōu)?5×55，第二次池化后圖像大小為27×27，輸出到第五層，圖像大小減小到13×13。然而，在FCN中，以H×W大小的圖像為輸入，經(jīng)過兩次卷積和池化運(yùn)算后，圖像質(zhì)量下降到原來圖像的四分之一。然后，在每個池化層之后，圖像的長度和寬度減少一半。

因此，卷積特征是原來尺寸輸出的第五層的十六分之一。最后，將特征縮小到原來大小的三十二分之一。結(jié)果表明，經(jīng)過多次卷積和池化運(yùn)算后，圖像大小明顯減小。上面提到的最后一層可以得到最小尺寸的熱圖。它可以看作是重要的高維特征圖。隨后，對圖像進(jìn)行上采樣并將其放大到原始圖像大小，所述位置的像素結(jié)果與分類結(jié)果相對應(yīng)。由于無條件圖像大小的顯著優(yōu)勢，在三個多分辨率網(wǎng)絡(luò)中分別采用全卷積層，使得輸入圖像大小不再受限。

03 Spatial Pyramid Pooling

SPP-Net只在整個圖像上運(yùn)行一次CNN模型。然后，將通過選擇性搜索得到的候選區(qū)域映射到特征映射。利用空間金字塔池化和支持向量機(jī)對候選目標(biāo)進(jìn)行分類。通過不固定尺寸的輸入圖像可以獲得任意大小的卷積特征，只需保證輸入到全連接層的大小是固定的。

使用FCN結(jié)構(gòu)，這樣就不能再限制輸入圖像的大小了。它將產(chǎn)生一個固定大小的輸出。因此，總體結(jié)構(gòu)不同于RCNN。下圖給出了空間金字塔池層結(jié)構(gòu)的流程圖。

04  Cascade Structure

級聯(lián)結(jié)構(gòu)在人臉檢測中得到了廣泛的應(yīng)用，首先可以利用計(jì)算量小的分類器來去除大部分背景，同時保持召回。

級聯(lián)分類器在多個AdaBoost弱分類器或強(qiáng)分類器上對不同的特征進(jìn)行順序處理。級聯(lián)結(jié)構(gòu)如下圖所示。該流程圖不僅通過對多個弱分類器的組合，生成了一個強(qiáng)級聯(lián)分類器，而且提高了分類器的速度。然而，以往方法的每個階段都是獨(dú)立訓(xùn)練的。因此，不同CNN的優(yōu)化是相互獨(dú)立的。

接下來開始今天技術(shù)的詳解

結(jié)構(gòu)設(shè)計(jì)

在這一部分中，我們將描述一個級聯(lián)CNN的人臉檢測使用三種不同分辨率的輸入圖像(12×12，24×24和48×48)。將輸入圖像調(diào)整到不同的尺度，形成圖像金字塔。

首先，通過微網(wǎng)絡(luò)(全卷積候選網(wǎng)絡(luò)，F(xiàn)CPN)消除大量的非人臉窗口；然后，將候選窗口的其余部分輸入到第二階段(多尺度網(wǎng)絡(luò)，MSN)。MSN-24表示輸入大小為24×24的分支，而MSN-48表示輸入大小為48×48的分支。將MSN-24第五層的卷積特征(即概率分布信息)與MSN-48融合。對不同級聯(lián)階段進(jìn)行hard-樣本挖掘和聯(lián)合訓(xùn)練，完成人臉分類和邊界框回歸兩項(xiàng)任務(wù)。

在工作中，輸入圖像被調(diào)整到不同尺度，以創(chuàng)建一個圖像金字塔。檢測過程分為兩個階段。第一階段是全卷積候選網(wǎng)絡(luò)(FCPN)，它采用低分辨率淺卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，快速有效地消除大量背景窗口，如下圖所示。

第二階段是多尺度網(wǎng)絡(luò)(MSN)，它結(jié)合了加權(quán)閾值兩種高分辨率卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，進(jìn)一步濾除hard-樣本，細(xì)化邊界框。結(jié)構(gòu)如下圖。這兩個階段詳細(xì)說明見“計(jì)算機(jī)視覺協(xié)會”知識星球。

接下來詳細(xì)說說難樣本挖掘！

與傳統(tǒng)分類器訓(xùn)練中的難樣本挖掘不同，在訓(xùn)練過程中自適應(yīng)地選擇難樣本。在每一批中，計(jì)算候選區(qū)域的損失函數(shù)，并根據(jù)損失值對它們進(jìn)行排序。選取損失值最高70%的目標(biāo)區(qū)域作為難樣本，忽略其余30%的簡單樣本。

為了評估該方法的有效性，訓(xùn)練了兩種不同的比較模型(w/和w/o難樣本的在線訓(xùn)練)，并對測試集的性能進(jìn)行了評估。下圖給出了兩個不同的結(jié)果。實(shí)線顯示了難樣品的挖掘性能。虛線顯示不使用此方法的效果。實(shí)驗(yàn)結(jié)果表明，難樣本的在線訓(xùn)練有助于提高檢測性能，在FDDB上提供1.5%的性能增益。

Soft極大抑制也會”計(jì)算機(jī)視覺協(xié)會“知識星球詳細(xì)講解，為啥會有如此高的性能提升！

實(shí)  驗(yàn)

圖 在Pascal Faces數(shù)據(jù)集上的結(jié)果

圖 在FDDB人臉數(shù)據(jù)集上discROC的結(jié)果

圖 在FDDB人臉數(shù)據(jù)集上contROC的結(jié)果

檢測可視化

Best Paper：https://link.springer.com/journal/11042