Seeing Small Faces from Robust Anchor’s Perspective

上图可以看到，当脸比较小的时候，很难做到100%覆盖到脸。换句话说，在分辨并调整achor框之后，有高的confidence的新boxes仍然很难能够cover掉小的脸。这让我们关注anchor没有调整之前与face的大小。首先，我们要计算出每个face与anchor框的最大值。得到的结果如下：

通过上图可以看到，Average IoU与Face Scales的关系和ReCall与Face Scales的关系曲线很相似。我们可以发现拥有low IOU overlaps的大小更小的faces更难通过调整和ground truth相似。
在本文中，我们将关注一个更新的anchor方式。也就是EMO。效果如下：

根据上面的图片可以看出，本文提出的anchor效果还可以。IoU相比于传统的anchor。Iou提高了不知道多少去了（写了一天的博客了，脑袋已经糊了。too young too simple.Sometimes Navie。）。因此，它更容易调整anchor达到boxes cover GT的效果。本文提出的EMO如下：
S代表anchor框的大小。然后，R代表anchor框的长宽比。L代表每个anchor框的中心点。A代表这个位置上所有anchor框的总数。比如如果设置3个面积大小和1个长宽比。具体效果如下：

上图中黄色的虚线框是anchor。+是代表每个anchor框的中心。绿色的框代表ground truth.
$$A=S\times R\times L$$
主要方法如下：
由于一张两在空间中是可以随时出现。假设脸的中心点为(x,y)

本文中将S={16,32,64,128,256,512};R={1}.易知，对于每个+来说，总共有6个anchors。此外我们假设face会出现在图片中的任意位置，于是对于face的位置(x,y)。x-U(0,W);y-U(0,H)。

由于我们有anchors是将整张图片全部铺满，很显然即使是face随机出现在整张图片中，在固定了anchor的情况下，face box和anchor随着x和y的变化是呈现周期性的特点。于是，本文中只用考虑其中的一个周期的情况。同时由于本文使用的是堆成框，于是乎，很显然，face box和anchor的相对位置是呈现对称性的性质。于是本文指挥考虑$S_A/2\times S_A/2$的范围。$x^{\prime }和y^{\prime }$分别为face box的中心点到anchor中心点的距离。很显然，这两个变量都是满足$U(0,s_A/2)$。如果假使face和iou有相同的大小，那么Iou之间的损失函数将变成如下公式:
$$IoU=\frac{(l-x^{\prime })(l-y^{\prime })}{2l^2-(l-x^{\prime })(l-y^{\prime })}$$
对于在可行域数据进行求积分，可以得到如下公式:
$$EMO={\int }_0^{\frac{S_A}{2}}{\int }_0^{\frac{S_A}{2}}(\frac{2}{S_A}{)}^2\frac{(l-x^{\prime })(l-y^{\prime })}{2l^2-(l-x^{\prime })(l-y^{\prime })}d{x}^{\prime }d{y}^{\prime }$$
根据上文的公式，如果face box的大小是固定的。如果Sa越小，EMO得到的分数就越高。这样所有的faces的IoU就会从统计学的角度增加。(讲真我还记得以前看过一篇有k-means控制anchor大小的，好像是yolov3上面的。)
综上所述，想要实现EMO的变大，最好的方法是将anchor stride调小。

上图中是深度中比较常用的扩大特征层的方法，这样相当于将anchor框相对而言变小了。（a）双线性插值。(b)双线性插值+feature fusion.（c）将convolution的stride设为1。同时使用空洞卷积让感受野的面积变大。
shifted anchor（简而言之就是平移框）这里的shift anchor共享着feature representation和center anchor。

上图分别代表这$s_F和S_A$大小不相等的时候。