RetinaFace,最强开源人脸检测算法

640?wx_fmt=jpeg


作者 | CV君 

来源 | 我爱计算机视觉(ID:aicvmlaicvmlaicvml


人脸检测为目标检测的特例,是商业化最早的目标检测算法,也是目前几乎各大 CV 方向 AI 公司的必争之地。


WIDER FACE 数据集是由香港中文大学发布的大型人脸数据集,含 32,203幅图像和 393,703 个高精度人脸包围框,该库中人脸包含尺度、姿态、表情、遮挡和光照等变化。


640?wx_fmt=png


WIDER FACE 几乎是目前评估人脸检测算法最权威的数据集。


RetinaFace 是今年 5 月份出现的人脸检测算法,当时取得了 state-of-the-art,作者也开源了代码,过去了两个月,目前仅以极其微弱的精度差屈居第二名,但因为第一名的 AInnoFace 算法(来自北京创新奇智公司)没有开源,所以目前 RetinaFace 可称得上是目前最强的开源人脸检测算法。


640?wx_fmt=png


RetinaFace 来自论文《RetinaFace: Single-stage Dense Face Localisation in the Wild》,作者来自帝国理工学院、InsightFace、Middlesex University London、FaceSoft。


640?wx_fmt=png


相信很多朋友对 InsightFace 并不陌生,它是目前针对 2D 与 3D 人脸分析(含检测、识别、对齐、属性识别等)最知名和开发者最活跃的开源库。RetinaFace 代码已经并入该库。


下图为在 WIDER FACE 数据集上验证集三个子集的排名靠前的算法结果曲线和精度:


640?wx_fmt=png


下图为在WIDER FACE 数据集上测试集三个子集的排名靠前的算法结果曲线和精度:


640?wx_fmt=png


在 6 个子集中,RetinaFace 取得 1 个第一名,2 个并列第一名,3 个以极其微弱精度差屈居于第二名。


RetinaFace 使用特征金字塔网络架构:


640?wx_fmt=png


其主要创新点在损失函数的设计。


下图说明了 RetinaFace 的核心思想:


640?wx_fmt=png


在人脸检测多任务学习中,除了传统的人脸分类损失函数和包围框回归损失函数,作者额外标注了人脸 5 点信息,并以此引入人脸对齐的额外监督信息损失函数,还引入了 self-supervised 解码分支预测 3D 人脸信息分支。


集合了更多监督信息和自监督信息,是 RetinaFace 取得成功的关键。


很多时候,人脸检测是为了后续的识别,作者特意将检测结果送入人脸验证网络,在 IJB-C test set 上测试结果表明可以提高 ArcFace 的人脸验证精度 (TAR=89.59% for FAR=1e-6)。


640?wx_fmt=png


由上图可知,相对于 MTCNN,在助力人脸验证上有一致性精度提高的表现。


更为难能可贵的是,使用轻量级骨干网络,RetinaFace 算法在 CPU 上测试 VGA 图片可以达到实时。如下图:


640?wx_fmt=png


感谢作者的开源,欢迎给大佬加星!


论文地址: 

https://arxiv.org/pdf/1905.00641.pdf 

代码地址: 

https://github.com/deepinsight/insightface/tree/master/RetinaFace


(*本文为 AI科技大本营转载文章,转载请联作者


精彩推荐



“只讲技术,拒绝空谈”2019 AI开发者大会将于9月6日-7日在北京举行,这一届AI开发者大会有哪些亮点?一线公司的大牛们都在关注什么?AI行业的风向是什么?2019 AI开发者大会,倾听大牛分享,聚焦技术实践,和万千开发者共成长。


目前,大会盲订票限量发售中~扫码购票,领先一步!


640?wx_fmt=jpeg


推荐阅读


640?wx_fmt=png你点的每个“在看”,我都认真当成了喜欢-
发布了1301 篇原创文章 · 获赞 1万+ · 访问量 542万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览