论文阅读之HAMBox

论文题目：《HAMBox: Delving into Online High-quality Anchors Mining for Detecting Outer Faces》
论文地址：https://arxiv.org/abs/1912.09231.pdf
发表时间：2020 CVPR

key words

• out faces：:异常人脸，由于人脸尺度过小或者人脸尺度与anchor尺度不匹配，造成训练时匹配不到足够多的Anchor（小于阈值K），影响了这些人脸的召回。
• Online High-quality Anchor Mining Strategy： 在线高质量锚框挖掘策略。
• high-quality anchor： 如果某个 Anchor 经过网络回归后的框与人脸框的 GT 的i IoU 大于0.5，则称其为高质量 Anchor。
• matched anchor： 在训练时，与目标人脸的 IoU≥0.35 的anchor。
• unmatched anchor： 在训练时，与目标人脸的 IoU<0.35 的anchor。
• PBB： represents ‘Predicted Bounding Boxes’，即Anchor 经过回归后的框。
• CPBB： Correctly Predicted Bounding Boxes，Anchor 经过回归后能与 GT 的 IoU≥0.5，则称其为CPBB，即 matched high-quality anchor 回归后的框。

Abstract

在较大位姿和尺度变化下的人脸检测器的定位，有效的anchor设计和匹配策略是关键。但是作者发现，在前向过程中（预测时），超过80%的正确的预测框（CPBB：IoU>=0.5）都是从未匹配的 anchor（IoU<0.35）中回归来的。这表明了未匹配的锚框具有出色的回归能力，但是现有的方法中并没有对他们进行学习。
作者提出了HAMBOX，一种在线高质量锚框挖掘策略。

1. Introduction

人脸检测的难点： 人脸的aspect ratio变化很小 ，但是scale尺度变化很大。
目前SOTA的算法是用FPN+dense anchor的方法，但是anchor的增加会使得推理 消耗大大增加，并且anchor的aspect也需要设计。$S^{3}FD$在每一个stage使用的单一尺度和scale策略，但是选择合适的aspect ratio是个很大的挑战

• the average number of anchors matched to each face： Figure 1(a)表明可以通过增加 Anchor 的尺度来增加 GT 匹配的 Anchor 的数目（小目标匹配的 Anchor 数量少，大目标匹配的 Anchor 数量多）
• the proportion of all faces that can match the anchors： Figure 1(b) 则表明，单纯的增加 Anchor 的尺度到后期会导致匹配失败（一般是小目标无法匹配）的数量增加。

每个人脸所匹配的an