Face Paper：Scale-Friendly论文详解

一篇关于如何处理多尺度人脸检测的文章。 从核心方法上来说和SSD没有本质的区别，只不过在实现细节上做了一些更为细致的工作。

文章链接： 《Face Detection through Scale-Friendly Deep Convolutional Networks》

1. 方法介绍

如上图，采用ResNet网络，输入单张图片。 在网络不同阶段引出分支，然后后接RPN和Fast R-CNN。 共有3个分支，每个分支只负责检测对应范围的人脸。

2. 要点介绍

（1）网络结构与检测目标尺度的关系

文章做了下面的对比实验：使用不同层级的特征检测指定尺度范围的人脸。

结论：不同层级的特征适用于检测不同尺度的人脸。 这一点其实很好理解，我们可以从网络自带的空间分辨率上去探讨这件事。 网络后期，经过多次spatial pooling，每一个输出都将和原图一块更大的ROI区域有关，因此更适宜检测大目标。

（2）如何划分人脸尺度范围

人脸尺度范围的划分需要结合网络结构，然后，通过实验确定。

因此，最终划分为3个分组： [10,40],[40,140],[140,1300]

（3）如何训练

这也是本文方法和SSD的一个重要不同，即针对不同分组只用对应尺度的样本进行训练。

• （1） 每个分支只处理对应尺度的样本，其他样本直接忽略；
• （2） 输入图像最长边限定为小于等于1300；
• （3） IOU大于0.5认为是正样本，IOU处于 [0,0.1] 和 [0.1,0.3]的负样本按1：1选用；
• （4）训练时proposal保留2000，测试时保留500。

3. 实验结果

速度一般偏低，性能中上偏高。

在FDDB上的指标：

在Wider Face 上的指标：

速度测试：