FaceBoxes的学习笔记

1 致谢

感谢赵老师的讲授。

2 前言

FaceBoxes是一种用来进行人脸检测的算法框架，我个人感觉还是比较好的，吸收了SSD的一些优点。

3 FaceBoxes的论文阅读

3.3. Anchor densification strategy

在3.3节中，论文主要讲到了，锚点致密化策略，

在阅读时，我看到一个概念不太清楚，

这部分文字说到，对于Conv3_2卷积层，这里的 stride size为64像素，这里我不太明白 stride size的含义，其实，它指的是不同锚点之间相距的步长，我把它称作锚间步长，其大小跟当前卷积层的 feature map的大小相关，还是以Conv3_2卷积层为例，其输出 feature map的大小为16x16，则对于特征图中的每一个像素点，与其相邻像素点对应的感受野的中心的距离，即为输入图像1024/16 = 64，即两个相邻感受野的步长间距，同时也是两个相邻锚的间距；

3.4 Loss函数

回归任务采用的是 smooth $L_1$ loss函数，其公式为：
$$smoot{h}_{L_1}(x)=\{\begin{array}{cc}0.5x^2& \text{if}\left|x\right|<1\\ \left|x\right|-0.5& \text{otherwise}\end{array}$$

4 FaceBoxes的代码学习

4.1 网络架构

Inception模块需要自己定义，PyTorch没有提供Inception模块的封装类；

4.2 模型训练

FaceBoxes仅支持1024x1024图片的训练；

4.3 补充资料

4.3.1 cfg配置参数

steps：描述了三个输出模块的特征图的步长。

这里三个输出模块是指：Inception3、Conv3_2和Conv4_2三个模块；

steps的三个值32, 64, 128是跟网络结构有关的，根据网络结构计算出来的；
3.2.1 encode操作

encode是SSD中提出的一种特殊操作。