DSFD : Dual Shot Face Detector [CVPR 2019]

Github : Demo.py  多角度适用 ！达不到实时！

Pipeline：

VGG16/ResNet 产生feature maps 通过 FEM 对原始 feature maps 特征增强并保持原始size。

Feature Enhance Module

特征增强模块能够对原始特征进行增强，使其具有更强的鉴别性和鲁棒性，简称FEM。

原始神经元oc(i，j，l)：l 层特征图上坐标（i，j）的神经元，增强后的神经元ec(i, j, l)，邻域神经元nc(i, j, l).

意味着: 下一层特征图通过1×1卷积，并上采样到和当前层特征图大小相同，二者进行点乘得到新的特征图，对新的特征图分三路进行扩张卷积，得到三部分结果，级联之后，就是增强后的特征图。

Progressive Anchor Loss：

LFSL是为原始支路设计的损失函数，LSSL是为增强支路设计的损失函数。

原始支路相比于增强支路含有较少的语义信息，但分辨率较高适用于小人脸的定位（应该是扩张卷积和上采样的缘故）。

先解释LSSL，Nconf为anchor总数（positive，negative）Lconf对anchor预测是否是人脸做二分类softmax loss，分类为人脸p*=1,**LSSL的第二项，对所有分类为人脸的anchor  ai  所预测的Bbox ti 与 真实值 gi 求smooth L1 loss. beta 和 lambda 权重。

 Improved Anchor Matching：

即anchor初始化设计。