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