Face R-CNN

https://arxiv.org/abs/1706.01061

摘要

Faster R-CNN是最具代表性和最成功的目标检测方法之一，在各种目标检测应用中得到了越来越广泛的应用。在这篇报告中，我们提出了一种基于Faster R-CNN的鲁棒深度人脸检测方法。在我们的方法中，我们开发了一些新的技术，包括新的多任务损失函数设计、在线硬示例挖掘和多尺度训练策略，以在多个方面提高R-CNN的速度。该方法非常适合于人脸检测，因此我们称之为人脸R-CNN。在两个最流行和最具挑战性的人脸检测基准FDDB和更宽的脸上进行了大量的实验，以证明所提出的方法优于现有的方法。

1 引言

  人脸检测是计算机视觉和模式识别中大量人脸相关应用的基础问题。然而，由于现实世界中人脸图像的显著差异，这仍然具有挑战性。图1是一个典型的例子，其中人脸图像显示了由遮挡、比例、光照、姿态和表情引起的很大程度的变化。

图1.我们展示了一个人脸检测的示例图像，它在遮挡、比例、光照、姿态和表情方面具有代表性的可变性。检测结果显示使用所提出的人脸检测器。

  人脸检测可以看作是目标检测的一个特例。近年来，基于区域的卷积神经网络[20,21,19,23]在一般目标检测方面取得了最先进的性能。在性能最好的基于区域的CNN方法中，Fast R-CNN[19]和Faster R-CNN[23]是最受欢迎的。Fast R-CNN基于感兴趣区域(RoIs)对目标检测器进行训练，RoIs由区域建议方法如选择性搜索[9]生成。Faster R-CNN继承了Fast R-CNN的基本框架，但在生成目标建议方面进行了改进，通过构建区域建议网络(RPN)。Faster R-CNN在有效性和效率上有很好的优势，在各种检测任务中都是领先的框架[11,27,1]。最近，一些基于Faster R-CNN的方法[6,24,29,3]被开发用于人脸检测任务，并展示了最先进的性能。
  虽然基于Faster R-CNN的方法已经取得了很大的进展[6,24,29,3]，但是这些方法仍然存在一些问题。这些方法的一个共同问题是，它们在Fast R-CNN模块中使用softmax损失函数来监督人脸/非人脸分类的深层特征的学习（遵循Faster R-CNN中的标准实践）。然而，研究表明，softmax损失只会促进学习特征的类间可分性，而不能促进学习特征的类内紧致性。以往的研究[32，34，33，5]表明类间可分离性和类内紧性对于所学习的CNN特征的区分能力都是非常重要的。为了减少类内变化，同时扩大学习到的CNN特征的类间变化，我们改进了Faster R-CNN框架，在原有的多任务损失函数基础上增加了一个新的损失函数，称为中心损失函数[33]。通过增加中心损失，可以有效地减少学习特征的类内变化，从而提高学习特征的识别能力。为了进一步提高检测精度，本研究还采用了在线硬样本挖掘技术[1]和多尺度训练策略。
本文的主要贡献如下：
(1)考虑到人脸识别的特殊性质，我们提出了一个基于Faster R-CNN人脸检测方法，称为Face R-CNN，该方法集成了一些新开发的技术，包括中心损失、在线硬样本挖掘和多尺度训练。
(2)与现有的基于Faster R-CNN的人脸检测方法不同。首先，这是第一次尝试使用中心损失来减少人脸检测中较大的类内变化。其次，我们的方法使用的在线硬例子挖掘不同于其他方法。通过适当设置正硬试样与负硬试样的比值，OHEM与中心损失的结合可以获得更好的性能。
(3)在两个公共域人脸检测基准(更宽的人脸数据集[25]和FDDB数据集[28])上，所提出的方法始终取得比现有水平更好的性能。

2 相关工作

  近二十年来，人脸检测因其日益广泛的应用而得到广泛的研究。早期的研究包括基于级联的方法[17,14,2,18]和基于变形部件模型(DPM)的方法[13,22,30]。2004年，Viola和Jones[17]提出学习基于Haar-like特征的级联AdaBoost分类器用于人脸检测。之后，一些作品[14,2,18]通过使用更高级的特征和分类器来改进[17]。除了基于级联的人脸检测方法外，[22,30,13]还提出使用可变形零件模型(DPM)。DPM的思想是用一组可变形零件定义一个人脸，并训练分类器来找出这些零件及其相互关系。人脸检测的最新进展主要集中在基于深度学习的方法上。[7,8,12]构造级联的cnn，以粗到精的策略学习人脸检测器。UnitBox[10]引入交并比（IoU）损失函数，直接最小化预测的和实际情况的IoU。最近，有几种方法[6,24,29,3]使用更快的R-CNN框架来提高人脸检测性能。最近，[16]显著提高了人脸检测性能。
  硬实例挖掘方法在目标检测任务中被证明是有效的。在[1]中&#x