S3FD

S3FD

6个尺度，核心网络vgg 16

160 80 40 20 10 

anchors一共34125个

1070 batch-size只能4，速度30ms

人脸检测对比：

https://github.com/cs-giung/face-detection-pytorch

算法来自下面的：有权重，手检测和人脸检测，权重80多m

https://github.com/yxlijun/S3FD.pytorch

上面两个代码和下面这个网络好像是一样的，训练代码待看

无权重：有训练代码

https://github.com/luuuyi/S3FD.PyTorch

Subset	Original Caffe	PyTorch Implementation
Easy	93.7%	94.1%
Medium	92.4%	92.9%
Hard	85.2%	85.4%

https://github.com/tgisaturday/S3FD_ATSS_SAPD

 

1070 batch-size只能4，速度30ms

    net = build_s3fd('train', num_classes=2).cuda()
    inputs = torch.randn(4, 3, 640, 640).cuda()

    for i in range(10):
        start=time.time()
        output = net(inputs)
        print('time',time.time()-start)

❝ 对max-out background label一个直观的解释就是对于每一个小尺寸anchor，进行N次人脸和背景分类，选择其中某个背景Acore最高的一个作为该Anchor的score。其实就是对Anchor进行多次预测，然后取其最大背景概率结果，以此降低误检为人脸的anchor数量，从而降低假阳性率。

https://github.com/jianzhnie/S3FD_pytorch

WIDER FACE:
Easy AP=0.925 paper = 0.927
Medium AP=0.925 paper = 0.924
Hard AP=0.854 paper = 0.852