Face R-FCN

Detecting Faces Using Region-based Fully Convolutional Networks

背景介绍

偏工程性论文，使用一些技巧和经验提高人脸检测的准确率。

论文要点

• RFCN的检测框架
  Face-RFCN
• Position-sensitive average pooling

• 基于人脸区域不同部分重要性不同的假设，将最后求均值修改为加权平均值
• 不同区域的权重需要自主学习
• 在caffe框架下，可以利用depthwise conv实现

• Multi-scale training and testing

• 训练时，随机选择一个尺度，将输入转换训练
• 测试时，构造多个尺度的图像金字塔作为输入

• OHEM

• 在线选择困难样本，关键在于定义何为困难样本，多样性和高损失的样本
• Faster RCNN中的实现

• 使用两个ROI网络，一个ROINet1只读(只进行前向传播)，另一个ROINet2进前向和反向传播
• 将原图的所有proposals输入ROINet1，计算它们的loss
• 根据loss从高到低排序，以及利用NMS，选出前K个proposals

• 将选出的K个proposals(hard examples)输入ROINet2,计算K个proposals的loss，并进行反向传播

  
  OHEM

• RFCN中的实现

• 主要由BoxAnnotatorOHEMLayer和SmoothL1LossOHEM实现

问题思考

• PSVP(position-sensitive average pooling)

• PSVP的假设是否成立，其是否有效，以及对准确率提升的效果有多大
• PSVP由depthwise conv实现的可行性，有待验证

• 对比实验

• 缺少对每个trick作用的分析，无法判断每个trick对准确率的提升作用