UnitBox: An Advanced Object Detection Network
(ACM 2016)
论文UnitBox是旷世科技的一篇人脸检测文章,代码没有开源。主要的贡献是提出了IOU loss,2.4.5节所讲的DenseBox直接预测当前点与ground truth的四条边的距离,并且使用L2 loss。为了检测不同尺度的目标,Densebox使用了图像金字塔,所以计算量很大。使用L2_Loss意味着把四个坐标当成了独立变量,这显然是与实际不符的,这也是为什么框不准的原因。为了方便灵活灵活地处理各种角度的目标,作者提出了一种新的IOU_Loss,将四个回归值当做一个整体来处理,不仅提高了准确率而且加速了收敛。
预测的四个值并不是人脸框的坐标,而是坐标差值。
图39 IOU loss示意图
作者在文章给出了L2 loss的缺点。如下图两个人脸框所示,L2 Loss可以看做是欧氏距离,很明显这里面四个坐标是被当做独立变量来优化的。左边的人脸框明显比右边的要准一点,但是脸太大,则导致loss最终反而比右边的大,然后我们