Face boxes详解

主要贡献：

①Rapidly Digested Convolutional Layers(RDCL)快速缩小输入图片的尺寸

②Multiple Scale Convolutional Layers(MSCL) 使用Inception模块增加感受野，离散化anchors(就是在不同层都有输入)

③anchor densification strategy 锚点致密化策略（就是增加anchors，均衡不同维度的anchors）

 

网络结构：

 

RDCL:

两个卷积两个pooling，快速缩小输入图片的尺寸，stride分别是4，2，2，2；其中激活函数使用了CRelu(级联整流线性单元，参考：https://blog.csdn.net/stu_shanghui/article/details/94492281)；使用CRelu可以减少卷积操作，而保持输出维度不变

CRelu如下图：

 

MSCL：4层inception和4层卷积，inception结构如下

 

在Inception3, Conv3_2 and Conv4_2 三层feature map上添加anchors，

 

Anchor densification strategy

anchor density = anchor大小 / interval of anchor.

interval of anchor就是每个anchor间隔多少像素点，文中默认间隔像素点为：32，32，32，64，128

 

图片来自:https://blog.csdn.net/shuzfan/article/details/77881918

上图中可以看到，大尺寸（128，256，512）和小尺寸（32，64）anchors不平衡，因此文中对32和64的anchors进行了4times 和 2times的操作。

 

训练：

①使用12880 images of the WIDER FACE数据

②数据增强: 颜色失真，随机裁剪，比例变换，水平翻转，face box filter(滤除宽高小于20个像素点的face box)

③匹配规则: 在训练期间，我们需要确定哪些锚对应于面部边界框。 使用并交比匹配最佳的anchor和face，然后使用并交比大于阈值的anchors(如：0.35)

④损失函数: softmax分类，smoothL1 loss用于回归anchors,

⑤hard negative mining: SSD中首次提出，解决正负样本差别太大的问题，就是对负样本抽样，抽样时按照置信度误差（预测背景的置信度越大，误差越大）进行降序排列，选取误差较大的top-k作为训练的负样本，保证正负样本比例接近1:3.

⑥所有参数使用Xavier初始化，使用SGD优化器，0.9的momentum，0.0005的weight decay， batch size=32；迭代120k轮，前80k轮使用1e-3的学习率，然后分别是1e-4学习率20k，1e-5,20k轮

 

结果