论文阅读笔记 – PPN:Proposal pyramid networks for fast face detection
杂志:Information Sciences,2019年
摘要:本文提出了一种利用候选金字塔网络(a Proposal Pyramid Network,PPN)快速生成候选人脸的方法,降低了级联DCNN人脸检测器的计算复杂度,并提高了速度。PPN是一种具有多个分支的轻量级全容量网络,它以单个图像为输入,生成多个分支同时面对不同规模的方案。
这是PPN网络的示意图,与传统的图像金字塔不同的是,PPN是一个有11个branch的全卷积网络。输入为任意大小的单张图像,每个branch生成一个概率图,其中每个元素表示输入图像上指定大小窗口是否包含人脸的概率。
之所以是11个branch,是因为随着branch数量的增加,对图像的尺寸要求越来越大,11个是1536*1536,已经可以满足大多数的需求。与大多数在缩放图像上应用相同模板的方法相比,高级分支代表更深层的网络流,可以很自然地找到更大的人脸。
需要注意的是,PPN网络是输出的是候选框,并不是最终的结果。在PPN网络之后,还需要两个级联的Rnet,完成最终的人脸框确定。有点类似于MTCNN过程中的Rnet和Onet。
这篇文章最出色的地方在于检测速度,整个网络是和MTCNN一样是级联的,但是检测速度提升了4倍,就是因为PPN是轻量级的,大大缩短了候选框的计算速度。
原论文使用Caffe实现