Face R-CNN

又是一个用Faster R-CNN框架做人脸检测的，公开测试集指标又高了。T_T

文章链接 《Face R-CNN》http://cn.arxiv.org/abs/1706.01061

大体的框架保持不变：

主要改进点：

(1) Center loss

对于最后的二分类，在softmax的基础上增加了center loss。为了使得center loss均衡，一个mini batch中正负样本比例限制为1：1.

(2) Online Hard Example Mining (OHEM)

每次从正负样本中各选出loss最大的N个样本加入下次训练。

(3) Multi-Scale Training

为了弱化尺度影响(或者更好地检测小目标)，训练阶段图片会经过不同尺度缩放。

FDDB上效果如下：

思考

（1） 这里的center loss应当不难训练；

（2）很多优化技巧都可以提高人脸检测(神经网络)的效果，还比如knowledge distilling（亲测有用）。

（3）关于样本比例的事情，其他地方大多采用正：负=1：3。 讲真，这个比例有时候还是挺影响训练的。特别是做阈值判定的时候。