论文阅读笔记--PPN：Proposal pyramid networks for fast face detection

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