快速人脸检测论文阅读系列之《FaceBoxes:A CPU Real-time Face Detector with High Accuracy》

介绍：

人脸检测中速度和精度的平衡很难做到。虽然像cascaded cnn\MTCNN人脸检测精度和速度上已经都很快了，但是这两个网络结构都有以下问题存在：

1、推理时间随着图像中人脸个数的增加而增加；

         简要说明：级联的CNN用来做人脸检测，往往是第一个CNN用来产生候选的区域，然后再将候选区域送入后续的CNN中。那么图像中人脸个数的增加，候选区域的个数也就增加，这样势必会导致后续CNN推理时间的增加。人脸个数少的场景影响不大（比如自拍），但是如果涉及到人脸个数多的场景（比如机场车站等环境下），模型的推理时间可能会大幅增加。

2、虽然单个模型是优化的，但是级联后却并不能保证模型的最优；

3、对于VGA分辨率的图像（这里应该指的是640*480）的图像，前向推理FPS只有14，还不足够达到实时。

本篇论文主要贡献如下：

1、设计了Rapidly Digested Convolutional Layers；

2、引入了Mutiple Scale Convolutional Layers;

3、为了提高小脸的召回率，提出了新的anchor densification strategy;

4、在I5 CPU上测试速度为38ms。

主要内容：

网络结构如下所示：

Anchor densification strategy：

Inception的anchor尺度为32*32,64*64,128*128,Conv3_2、Conv4_2的尺度分别为256*256和512*512。

anchor的间隔和相应的层的stride相等。比如Conv3_2的stride是64、anchor大小为256*256，表示对应输入图片每64像素大小有一个256*256的anchor。anchor密度为：

　　　　Adensity = Ascale/Ainterval

Ascale 表示anchor的尺度，Ainterval 表示anchor间隔。默认间隔分别设置为32,32,32,64.根据公式，对应的密度分别为1,2,4,4,4.显然在不同尺度上anchor的密度不均衡。相比大的anchor（128-512），小的anchor（32和64）过于稀疏，将会导致在小脸检测中低的召回率。

为解决不均衡问题，此处提出新的anchor策略。为了加大一种anchor的密度，在一个感受野的中心均匀的堆叠n2 个anchor（本来是1个）用来预测。

文章里对32*32的anchor做了4倍，对64*64的anchor做了2倍，这样就可以保证不同尺度的anchor有相同的密度。

本论文的启发点：

1、对于物体检测中的小目标也可以借鉴本文中的anchor densification straytegy来提高小目标的召回率；

2、在对于某些速度要求较高的场合下，可以借鉴本文中的CRELU部署在前两三个Convolution上，加快推理速度，不用修改代码即可完成部署。

 

如上图所示：将Batchnorm后取反，然后concat起来，接上SCALE和Relu即可。比如采用power layer就可以完成取反的工作。具体的prototxt如下所示：

layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  param {
    lr_mult: 1
    decay_mult: 1
  }
  convolution_param {
    num_output: 24
    pad: 3
    kernel_size: 7
    stride: 4
    bias_term: false
    weight_filler {
      type: "gaussian"
      std: 0.01
    }
  }
}
layer {
  name: "conv1_bn"
  type: "BatchNorm"
  bottom: "conv1"
  top: "conv1"
  batch_norm_param {
    use_global_stats: false
  }
}
layer {
  name: "conv1_neg"
  type: "Power"
  bottom: "conv1"
  top: "conv1_neg"
  power_param {
    power: 1
    scale: -1.0
    shift: 0
  }
}
layer {
  name: "conv1_concat"
  type: "Concat"
  bottom: "conv1"
  bottom: "conv1_neg"
  top: "conv1_concat"
}
layer {
  name: "conv1_scale"
  type: "Scale"
  bottom: "conv1_concat"
  top: "conv1_concat"
  scale_param {
    bias_term: true
  }
}
layer {
  name: "conv1_relu"
  type: "ReLU"
  bottom: "conv1_concat"
  top: "conv1_concat"
}

3、纸上得来终觉浅，绝知此事要躬行。当认识到一个算法的缺点和适用范围才算真正理解它。