论文解读Face Detection using Deep Learning: An Improved Faster R-CNN Approach

https://arxiv.org/pdf/1701.08289.pdf
FDDB face detection benchmark evaluation

引言：

在物体检测上，R-CNN十分成功，跟随这个工作，我们提出一个新的脸部检测方法，扩展改进Faster R-CNN算法。我们的算法通过结合几个策略，包括特征连接，强负面挖掘（hard negative mining）和多尺度训练等来改进。
最终达到state-of-the-art 的表现

方法：

包含两个部分：RPN（Region Proposal Network）为了生成RoIs（同Faster R-CNN）；和一个fast RCNN 网络来区分RoIs是物体（或背景），并调整这些区域的边界。

首先我们用WIDER FACE训练模型，并生成hard negatives。然后第二步把这些hard negatives送入训练，然后用FDDB数据集调优。最后我们应用多尺度训练和特征连接策略（feature concatenation strategy）。最后一个额外步骤，我们将检测的边界框转换为椭圆。
下面我们详细讨论这几个关键步骤

特征连接（feature concatenation）

传统RoI pooling是在最后一个特征图上提取RoI。这种方法不总是最优且可能遗漏一些重要特征，因为深层卷积层的特征输出有更广的接受域，导致成为更特征粗糙。我们为了捕获更好的RoI的细节，我们结合了多聚集层的特征图，包括低层与高层。我们合并了多个卷积层的池化结果来生成最后的池化特征。特别的，低层的卷积层都是经过ROI池化和L2正则化。然后合并，缩放，然后用1x1卷积来匹配最后的channels。结构如图：

Hard Negative Mining

将未能正确分类的样本标记为困难样本，再一次送入模型中。我们把实际值上的IoU小于 $0.5$ 的区域视为负样本。（its itersection over union (IoU) over the ground truth region was less than 0.5）， 在Hard Negative Mining 中， 我们把这些hard negative困难负样本添加到RoIs中来微调模型，并把前景和后景的比率调到1：3左右，和我们在第一步里的比率相同。

多尺度训练

输入多尺度图片训练，经验主义说明多尺度训练让模型更有鲁棒性，提高了在测试集上的表现。