Face R-CNN

又是一个用Faster R-CNN框架做人脸检测的,公开测试集指标又高了。T_T

文章链接 《Face R-CNN》http://cn.arxiv.org/abs/1706.01061

大体的框架保持不变:

这里写图片描述

主要改进点:

(1) Center loss

对于最后的二分类,在softmax的基础上增加了center loss。为了使得center loss均衡,一个mini batch中正负样本比例限制为1:1.

(2) Online Hard Example Mining (OHEM)

每次从正负样本中各选出loss最大的N个样本加入下次训练。

(3) Multi-Scale Training

为了弱化尺度影响(或者更好地检测小目标),训练阶段图片会经过不同尺度缩放。

FDDB上效果如下:

这里写图片描述

思考

(1) 这里的center loss应当不难训练;

(2)很多优化技巧都可以提高人脸检测(神经网络)的效果,还比如knowledge distilling(亲测有用)。

(3)关于样本比例的事情,其他地方大多采用正:负=1:3。 讲真,这个比例有时候还是挺影响训练的。特别是做阈值判定的时候。

阅读更多
版权声明:本文为博主原创文章,转载请注明出处 https://blog.csdn.net/shuzfan/article/details/77836318
文章标签: cnn神经网络
上一篇CReLU激活函数
下一篇DAN —— 人脸关键点
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭