人脸检测--SSH: Single Stage Headless Face Detector
2017-10-31 09:11
471 查看
SSH: Single Stage Headless Face Detector
ICCV2017
https://github.com/mahyarnajibi/SSH
本文的人脸检测算法走的是又快又好的路子,类似于目标检测中的 SSD算法思路。
![](http://img.blog.csdn.net/20171031085355957?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhhbmdqdW5oaXQ=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
SSH is designed to decrease inference time, have a low memory foot-print, and be scale-invariant, single-stage detector
本文设计的人脸检测算法简称为 SSH,希望速度快,占用内存少,尺度不变性。它是一个单步骤检测器
3 Proposed Method
3.1. General Architecture
![](http://img.blog.csdn.net/20171031090059185?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhhbmdqdW5oaXQ=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
主要是在网络不同深度的卷积层进行人脸检测
SSH 对网络不同位置上,即不同尺度的特征图上接入了三个检测模块,检测模块由 a convolutional binary classifier and a regressor 构成
这里我们采用了类似 RPN 策略来构建 anchor set,采用滑动窗口的方式,每个位置定义具有不同尺度的 K 个 anchors,这里我们的长宽比是1。如果输入检测模块的特征图大小为 W×H, 那么一共有 W×H×K 个anchors
detection module
![](http://img.blog.csdn.net/20171031155420713?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhhbmdqdW5oaXQ=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
Context Module
incorporate context by enlarging the window around the candidate proposals,
SSH mimics this strategy by means of simple convolutional layers
![](http://img.blog.csdn.net/20171031155512700?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhhbmdqdW5oaXQ=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
Scale-Invariance Design
这里检测人脸 在网络的三个不同卷积层使用了 三个检测模块 M1,M2,M3, 这三个检测模块使用的步长分别为 8, 16,32 ,用于检测 大、中、小人脸
3.4. Training
不同尺寸的人脸对用不同的检测模块进行训练
3.4.1 Loss function
损失函数的定义
3.5. Online hard negative and positive mining
去除一些简单的负样本
4 Experiments
WIDER face detection benchmark
![](http://img.blog.csdn.net/20171031160220432?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhhbmdqdW5oaXQ=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
![](http://img.blog.csdn.net/20171031160356884?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhhbmdqdW5oaXQ=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
检测时间
![](http://img.blog.csdn.net/20171031160241768?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhhbmdqdW5oaXQ=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
输入图像尺寸的影响
![](http://img.blog.csdn.net/20171031160308029?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvemhhbmdqdW5oaXQ=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
11
ICCV2017
https://github.com/mahyarnajibi/SSH
本文的人脸检测算法走的是又快又好的路子,类似于目标检测中的 SSD算法思路。
SSH is designed to decrease inference time, have a low memory foot-print, and be scale-invariant, single-stage detector
本文设计的人脸检测算法简称为 SSH,希望速度快,占用内存少,尺度不变性。它是一个单步骤检测器
3 Proposed Method
3.1. General Architecture
主要是在网络不同深度的卷积层进行人脸检测
SSH 对网络不同位置上,即不同尺度的特征图上接入了三个检测模块,检测模块由 a convolutional binary classifier and a regressor 构成
这里我们采用了类似 RPN 策略来构建 anchor set,采用滑动窗口的方式,每个位置定义具有不同尺度的 K 个 anchors,这里我们的长宽比是1。如果输入检测模块的特征图大小为 W×H, 那么一共有 W×H×K 个anchors
detection module
Context Module
incorporate context by enlarging the window around the candidate proposals,
SSH mimics this strategy by means of simple convolutional layers
Scale-Invariance Design
这里检测人脸 在网络的三个不同卷积层使用了 三个检测模块 M1,M2,M3, 这三个检测模块使用的步长分别为 8, 16,32 ,用于检测 大、中、小人脸
3.4. Training
不同尺寸的人脸对用不同的检测模块进行训练
3.4.1 Loss function
损失函数的定义
3.5. Online hard negative and positive mining
去除一些简单的负样本
4 Experiments
WIDER face detection benchmark
检测时间
输入图像尺寸的影响
11
相关文章推荐
- 【人脸检测】SSH: Single Stage Headless Face Detector
- 人脸检测-SSH: Single Stage Headless Face Detector
- 人脸检测之SSH(Single Stage Headless)
- 人脸检测--S3FD: Single Shot Scale-invariant Face Detector
- 目标检测--Accurate Single Stage Detector Using Recurrent Rolling Convolution
- 人脸检测“A Fast and Accurate Unconstrained Face Detector”
- 目标检测--Accurate Single Stage Detector Using Recurrent Rolling Convolution
- android之人脸检测FaceDetector||人体?
- haar 人脸检测算法 Viola Jones Face Detector
- Android FaceDetector实现人脸检测,人脸追踪(框出人脸)(MVP模式)
- 人脸检测之DDFD(Deep Dense Face Detector)
- Android应用开发FaceDetector(人脸检测)
- 人脸检测--FaceBoxes: A CPU Real-time Face Detector with High Accuracy
- 人脸检测--Scale-Aware Face Detection
- 人脸检测分类器haarcasade_frontalface_alt_xml文件中数据含义
- Android API 人脸检测(Face Detect)
- 人脸对齐--Pose-Invariant Face Alignment with a Single CNN
- 人脸检测“Face detections without bells and whistles”
- 使用滑动窗口进行人脸检测 Face detection with a sliding window
- 目标检测方法简介:RPN(Region Proposal Network) and SSD(Single Shot MultiBox Detector)