[深度学习从入门到女装]DSFD: Dual Shot Face Detector

论文地址：https://arxiv.org/abs/1810.10220v2

Dual Shot Face Detector

这是一篇CVPR19来自腾讯的论文，本文是在SSD的基础上，加入了Feature Enhance Module(FEM),Progressive Anchor Loss(PAL),Inproved Anchor Matching(IAM)

网络结构

整个网络结构如上图所示，(a)为SSD原本的pipeline，VGG16，然后使用了一个Feature Enhance Module来进行特征增强，得到（c）增强后的网络，然后对这两个网络的结果都分别进行检测

Feature Enchance Module

模块如上图所示，up feature map为上一层 feature map，先对current feature map和up feature map都进行1*1卷积，随后对up feature map进行upsample到和current feature map相同的size，然后对这两个进行element-wise product得到一个特征图，然后将这个特征图分成三块进行不同次数的dila conv，然后再concate到一起

（但是这点的split to three parts我不是很理解，图中是分成了三个N/3块，然后最后concate到一个N了，也没指出N是什么，查看了源码，发现并没有分成三块，源码如下）

class FEM(nn.Module):
    def __init__(self, channel_size):
        super(FEM , self).__init__()
        self.cs = channel_size
        self.cpm1 = nn.Conv2d( self.cs, 256, kernel_size=3, dilation=1, stride=1, padding=1)
        self.cpm2 = nn.Conv2d( self.cs, 256, kernel_size=3, dilation=2, stride=1, padding=2)
        self.cpm3 = nn.Conv2d( 256, 128, kernel_size=3, dilation=1, stride=1, padding=1)
        self.cpm4 = nn.Conv2d( 256, 128, kernel_size=3, dilation=2, stride=1, padding=2)
        self.cpm5 = nn.Conv2d( 128, 128, kernel_size=3, dilation=1, stride=1, padding=1)
    def forward(self, x):
        x1_1 = F.relu(self.cpm1(x), inplace=True)
        x1_2 = F.relu(self.cpm2(x), inplace=True)
        x2_1 = F.relu(self.cpm3(x1_2), inplace=True)
        x2_2 = F.relu(self.cpm4(x1_2), inplace=True)
        x3_1 = F.relu(self.cpm5(x2_2), inplace=True)
        return torch.cat([x1_1, x2_1, x3_1] , 1)

Progressive Anchor Loss

第二个shot 网络loss如下：

第一个网络loss如下：

文中提到说，第一个网络的feature map有更好的high resolution location imformation但是缺少classify的 semantic information，所以第一个网络更适合于检测小目标，所以设置第一个网络的anchor size是第二个网络的anchor size 的一半

Improved Anchor Matching