LFFD: A Light and Fast Face Detector for Edge Devices论文地址

总体思路

LFFD是由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。

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的方法。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的方法存在的问题

1. anchor box不能完全覆盖所有尺寸的人脸。
2. anchor box匹配使用IOU进行评价，其阈值的设定靠经验，很难进行研究。
3. 设定anchor box的数量和尺寸全靠经验，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。

很小的人脸往往难以确认检测，需要更多的上下文信息例如脖子和肩膀等来辅助检测。如下图所示：

感受野策略

1. 小尺寸人脸需要充足的上下文信息。
2. 中等大小的人脸需要少量的上下文信息。
3. 大尺寸的人脸直接使用感受野。

模型结构

模型主要由四部分组成：tiny part、small part、medium part、large part。

模型中并没有采用BN层，因为BN层会减慢17%的推理速度。

尽可能快的进行下采样而保持100%的人脸覆盖。

感受野=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。
3. 模型定义后，所有感受野就是均匀的固定的分布再输入图像上，无需再手动设计。
4. 理论上感受野能覆盖所有尺寸的人脸。

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。
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。
4. 难分负样本挖掘：对负样本损失值排序后选择最高的几个，保证正负样本比例为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。