Face Detector 论文小结

NPD Face Detector

先说CPU版本的吧，最近看了几篇论文比较好的一个是Joint Cascade Face Detection and Alignment，这个把检测和对齐放在一起，速度快，性能好，应该可以用在手机上，不过看的比较久，有点忘记了，而且这篇论文作者是接着他去年的研究成果继续的，所以应该两篇文章一起看，这里先不提了。
最近看了NPD Face Detector，这篇论文提到了NORMALIZED PIXEL DIFFERENCE FEATURE SPACE这种特征，相对用到的Haar特征以及LBP特征计算简单，而且表现能力强。然后使用了Deep Quadratic Tree这种结构的树来做弱分类器，弱分类的组合使用了Adaboost方法，作者没有做级联，表示一个分类器可以达到较好的效果。论文提到的检测速度以及精度都很好，不过我下载了作者提供的demo，感觉速度比较慢，而且精度不好。最近有点急没有看代码，不知道是不是其他地方比如内存加载占用了时间。但是有点失望，作者给的model检测的准确率也不高，可能有保留吧，本来想如果性能好的话，反正是MATLAB的，直接拿出来然后改一改，连模型都不用训练了。这里验证的不够仔细，如果有哪里说的不对的请指正。
这篇论文还有一个比较好的地方就是提到了训练样本的选取方法，作者在AFLW数据库上选取人脸，做了镜像以及perturbations in positions（位置上的微小偏移？应该是这个意思吧），把正样本的数量扩大10倍，到217300个。负样本还是从AFLW数据库上取，只是将人脸部分使用非人脸图片覆盖。

Compact Convolutional Neural Network Cascade for Face Detection

下面说一下GPU版本的，看了好几篇，一般都是追求高精度的，CNN在这方面本来就有优势，比传统方法准确是应该的，这里提一篇检测速度极快的，4K分辨率下可以达到27fps，作者提到了两个配置，分别是GT640M显卡以及GTX960，算是中端显卡，即使是960达到这个速度也是很不错的。Compact Convolutional Neural Network Cascade for Face Detection，这篇文章应该是CVPR2015的一篇论文。
作者提出了新的激活函数，他认为这种激活函数性能更好。
因为是高速的卷积神经网络，所以结构也比较简单，而且去掉了参数较多的全连接层，结构图如下：

三层的级联方式如下图：

这篇论文github上有实现，不过没有提供model，所以一直没时间尝试，不过感觉是一种不错的方式，可以利用GPU加速而且使用CNN又能有不错的精度。

暂时没有时间试这些方法，只能暂时用Dlib的人脸检测，精度还是很高，缺点就是速度慢，不过加入了追踪之后在视频中使用还是不错的。