CMS-RCNN阅读小结

阅读前疑问：

1.FasterRCNN的RPN 本来就是multi-scale的，印象中有27种，这篇文章针对人脸检测有什么改进么？

2.contextual是怎么结合附近信息？

驱动：

1.小的人脸使用rcnn难以检测

原始RCNN 一方面reception field大，所以小的脸占的比例就小，混入的背景信息就多了；另一方面，小的脸几次stride2以后到conv5太小了。

2.可以利用context信息（人体和脸一般是同时存在的）

How:

1.MS-RPN（图中上半部分）还是在高层采用RPN，但是信息上将前两层的对应field的信息也取进来了。然后采用normal后concat，normal加上了一个系数gama来对不同层分配不同的比重。（需要注意：并没有在浅层上应用rpn）

2.而下半部分就是结合人体的信息。人体信息是按照人脸长宽位置，对应比例取的。比例是预先fix的参数

（疑问：如果框出图的边界的话用0padding么？）

3.train的过程中normal这一步可能作者花了功夫...

结果：

FDDB只放了discrete分数（少放一个连续得分）