论文摘要： Multi-view Face Detection Using Deep Convolutional Neural Networks

  2015 ICMR的一篇文章， 用CNN来做Fece Detection。

   亮点不多或者说没有，简单地记录。

    一、网络架构

 采用（finetuning）AlexNet， 把fc6，fc7， fc8改成convolution layers， 最后接个soft-max layer。

 最后soft-max layer是表示图片为bg， 正脸，侧脸(左右)等的可能性。

 训练的时候图片是227*227输入， 测试的时候由于是全卷积网络，所以可以任意大小输入(>227*227)。

    二、测试

  1. 金字塔

 文章设定检测最小的人脸为 227 / 5 = 45 pixels

 文章尝试了4种scale 比例：

 发现0.7937的效果最好。

 其实这个因训练方法而异，0.7937不一定是最好的缩放比例。

2. nms

我觉得nms是这篇论文中比较好玩的一点。

(1) nms-max:  去响应值最大的boundingbox， 去除IOU大于某阈值的boundingbox

(2) nms-avg：  先去除confiendce 小于0.2的boundingbox。 对于剩下的boundingbox， 根据某iou阈值进行聚类。 对每一个boundingbox 聚簇， 只保留score大于聚簇中最大 的score 90%的boundingbox， 最后位置做平均， socre取聚簇中最大的score。

    

 

  可以看到，不同的nms策略，对precision的影响还是很大的。这点可以探究一下。

3. 结果

   下图的DDFD就是本文的曲线。在FDDB上的结果也不是很高。

三总结

1.优点

(1)对人脸进行multi-view的划分： 目前很多方法都采用multi-view的方法了，这样做的确有助于提高效果

(2)对nms进行探究： 不同的nms策略和阈值会产生很大的不同，启发我们在nms上也可以做文章

2.缺点

 (1)网络简单，没有什么创新

 (2)人脸的模板太大(224 * 224)。对于很小的人脸，图片要resize到很大，无疑会极大地增加计算负担。所以文章也只是检测大于45pixels 的人脸