[论文笔记] YOLO5Face 阅读笔记

YOLO5Face: Why Reinventing a Face Detector（ECCV 2022）

论文链接：论文链接
代码链接：代码链接

可以直接在检测器后面添加 head 用于 landmark回归，可以和车牌检测联想起来

摘要

• 动机：不重新设计人脸检测器，而是在YOLOv5的基础上进行设计
• 方法：添加 5 个 landmark 回归头，使用 Wing loss 函数

YOLO5Face Face Detector

Network Architecture（网络架构）

• 网络架构图：由backbone、neck和head组成。在YOLOv5中，使用了一个新设计的骨干网，称为CSPNet。在neck，一个SPP和一个PAN被用来聚合特征。在head，使用回归和分类分支
  

Key Modification（主要修改）

• landmark 回归头：在 YOLOv5 网络中添加了一个 landmark 回归头。Wing损失被用作它的损失函数
• Stem 块：用 Stem 块结构取代了 YOLOv5 的focus 层。它增加了网络的泛化能力，并降低了计算的复杂性，同时性能也没有下降
• SPP 块：更改 SPP 块使用更小的 kernel，使YOLOv5更适合人脸检测，提高检测精度
• P6 输出块：增加了一个 stride 为 64 的 P6 输出块。它提升了检测大型人脸的能力
• 数据增强：一些通用对象检测的数据增强方法不适用于人脸检测，包括上下翻转和马赛克。而随机裁剪有助于提高性能
• 轻量级模型：在 ShuffleNetV2 的基础上设计了两个超轻量级的模型。ShuffleNetV2 与 CSP 网络差别很大，它的模型很小，实现了嵌入式或移动设备的SOTA性能

Landmark Regression（Landmark 回归）

• landmark 输出将被用于对齐人脸图像，然后再输入到人脸识别网络
• Wing loss：
  • 使用 wing loss 的原因：与 L2、L1 或 Smooth-L1 函数相比，Wing loss 在接近零的小误差区域的响应得到了提升
  • 定义：
    $$wing(x)=\{\begin{array}{rlr}& w\cdot ln(1+|x|/e),& if<w\\ & |x|-C,& otherwise\end{array}(1)$$
    非负数 w 设定非线性部分的范围为（-w,w），e 限制了非线性区域的曲率，$C=w-wln(1+w/e)$是一个常数，可以平滑地连接分段定义的线性和非线性部分
  • 应用：landmark 点向量为 s = { s i } s=\{s_i\} s={si​}，其gt 为 s ′ = { s i } s'=\{s_i\} s′={si​}，其中 $i=1,2,\dots \dots ,10$，
    $$los{s}_L(s)=\sum _{i}wing(s_i-s_i^{\prime })(2)$$
    令 YOLOv5 的损失函数为 $los{s}_O(boundin{g}_{b}ox,class,probability)$，那么整个的损失函数为 $loss(s)=los{s}_O+{\lambda }_L\cdot los{s}_L$，其中 ${\lambda }_L$ 是 landmark 回归损失的权重

Stem Block Structure（Stem 块结构）

• 结构
  

SPP with Smaller Kernels（更小kernel的SPP）

• 小 kernel：在 YOLO5 中，使用了三种内核大小 13x13、9x9、5x5 。修改它们以使用更小的内核 7x7、5x5 和 3x3。这些较小的内核有助于更轻松地检测小人脸，并提高整体人脸检测性能

P6 Output Block（增加高层特征图）

• 增加一个高层的 P6，增大感受野（这也能算创新？？？？？）

ShuffleNetV2 as Backbone（不同的 backbone）

• 适用于移动设备或嵌入式设备

实验结果

• modification 前后的对比
  
• 对比 SOTA 人脸检测器
  
• Face Landmark结果
  
• PR 曲线图
  
• FDDB 数据集结果