LFFD A Light and Fast Face Detector for Edge Devices论文阅读笔记

论文原文：https://arxiv.org/abs/1904.10633?context=cs.CV

中科院提出的新型单目标检测模型，适用于人脸、行人、车辆等单目标检测，速度快模型小效果好

总体思路

论文研究了感受野（RF）与有效感受野（ERF）的关联与重要性，使用感受野替代Anchors，即Anchor-free得方法，在一个基础模型结构上分别抽取8路特征图对从小到大的人脸进行检测，检测模块分为类别二分类与边界回归

基于Anchors的方法存在问题

1. 锚框不能完全覆盖所有尺寸的人脸
2. 锚框匹配使用IOU，其阈值设定靠经验很难进行研究
3. 设定锚框数量与尺寸全靠经验，会导致样本不平衡和冗余计算

感受野与有效感受野

1. 感受野（RF）：是输入图像上的一块区域，目标如果在感受野内更容易被检测
2. 有效感受野（ERF）：处于感受野中心位置的像素对结构影响较大，越远越小
3. 小的人脸往往难以确认外表，需要更多的上下文信息例如肩膀和脖子来辅助人脸识别

4. 基于以上几点，作者认为不容大小人脸需要不同的感受野策略

   • 小人脸需要充足的上下文信息

   • 中人脸需要少量的上下文信息

   • 大人脸直接使用感受野

感受野是天然的Anchors

1. 可以在一定感受野下预测不同尺寸的人脸

2. 只有当人脸的真实中心位置在感受野内才进行匹配（与yolo1类似）

3. 模型定义后，所有感受野就是均匀的固定的分布在输入图像上，无需手动设计

4. 理论上感受野能覆盖所有尺寸的人脸

模型结构

1. 基模型由四部分组成：tiny part、small part、medium part、large part
2. 在四部分中分别取2、2、1、3路共8路进行检测不同尺寸的人脸并进行损失计算。
3. 不采用BN层因为会减慢17%速度
4. 原则：尽可能快的进行下采样而保持100%的人脸覆盖

训练细节

1. 数据增强：颜色抖动、随机水平翻转、对各尺寸人脸随机采样（从而保证1. 各分支人脸数量相近、各人脸能被各分支平等概率的采样，具体做法为先随机选图片选人脸再选择一个尺寸区域使图片、其他人脸随着选中人脸放缩至该尺寸）

2. 对于一个感受野多于两个人脸的区域被舍弃

3. 损失函数：

   1. 分类损失：Gray Scale???

   2. 回归损失：回归真实值设定为
      $$\frac{R{F}_x-b_x^{tl}}{R{F}_s/2},\frac{R{F}_y-b_y^{tl}}{R{F}_s/2},\frac{R{F}_x-b_x^{br}}{R{F}_s/2},\frac{R{F}_y-b_y^{br}}{R{F}_s/2}$$
      其中$R{F}_x$、$R{F}_y$为感受野的中心坐标，$R{F}_s$为感受野的边长，只对正样本进行L2 loss回归

4. 难分类负样本挖掘：对负样本损失值排序后选择最高的几个，保证正负样本1：10

5. 训练参数：Xavier初始化，输入图片img = (img-127.5)/127.5，decay为0（参数少），学习率0.1，之后以0.1倍数减小