美文网首页人脸检测、物体检测
几种人脸检测方法的对比分析

几种人脸检测方法的对比分析

作者: Cat丹 | 来源:发表于2020-05-13 16:39 被阅读0次

    简单的对比了下几种人脸检测(物体检测方法)

    [1] FCOS CenterFace KPNet LFFD FSAF
    确定正负样本 物体中心点在格子内 点落在bbox内 heatmap heatmap 点落在bbox内 点落在bbox中心点附近区域
    人脸(物体)框 - 根据中心点到四点的距离计算 heatmap提供中心点,加上scale和offset计算 由关键点推导 根据中心点到四点的距离计算 根据中心点到四点的距离计算
    处理正负样本不均衡 - 可以利用尽可能多的正样本 - - 负样本的loss只回传topk -
    检测不同尺度的物体 多尺度输出 不同的通道预测不同的尺度 scale分支处理不同大小的物体 多尺度输出 多尺度输出 多尺度输出
    独特之处 同时解决人脸检测和3DMM参数估计问题 centerness分支 - 1.用不同的通道来表示不同的物体scale,2.根据关键点推导人脸框,3.bounding box perturbation(bbox的corner点在bbox size内随机扰动5%) 1.感受野是天然的anchor,2.random sampling for each scale 根据内容而非尺度选择用于回归的特征层
    样本增广 random scaling in the range [0.8,1.2], random translation of 0-10%, color jitter, in-plane rotation - 随机翻转,随机缩放,color jittering,随机crop 随机旋转,随机翻转,高斯模糊,bounding box perturbation(bbox的corner点在bbox size内随机扰动5%) color disort,random sampling for each scale, random horizontal flip 水平翻转
    backbone Tiny DarkNet ResNet mobilenetv2+FPN 自设计 自设计 -
    优势 Google Pixels上只需39ms CPU速度30FPS(VGA),FDDB mAP 98%,实际效果可见 回归目标是标注相对准确的关键点,避免了标注框模糊问题 实际效果可见
    缺点/风险 - 效果未知 训练时间比较长(5天)

    paper:

    • [1]Joint Face Detection and Facial Motion Retargeting for Multiple Faces
    • [FCOS]FCOS: Fully Convolutional One-Stage Object Detection
    • [CenterFace]CenterFace: Joint Face Detection and Alignment Using Face as Point
    • [KPNet]KPNet: Towards Minimal Face Detector
    • [LFFD]LFFD: A Light and Fast Face Detector for Edge Devices
    • [FSAF]Feature Selective Anchor-Free Module for Single-Shot Object Detection

    相关文章

      网友评论

        本文标题:几种人脸检测方法的对比分析

        本文链接:https://www.haomeiwen.com/subject/edagwhtx.html