TinaFace：人脸检测新纪录

本文作者：mileistone（来自媒智科技） | 编辑：Amusi
https://zhuanlan.zhihu.com/p/315511581
本文已由原作者授权，不得擅自二次转载

这几年人脸检测的benchmark越刷越高，方法也越来越复杂，提出的模块或者方法大都专门为人脸检测设计，不易复现和使用，比如DSFD里的FEM、PAL、IAM，ASFD里的AutoFEM、PAL、IAM、DRMC loss，HAMBox里的PA、OAM、RAL等等。

WIDER FACE验证集hard结果

WIDER FACE测试集hard结果

• 论文：https://arxiv.org/abs/2011.13183
• 代码链接：https://github.com/Media-Smart/vedadet/tree/main/configs/trainval/tinaface

鉴于此，我们设计了一个简单而又强大的人脸检测模型——TinaFace，该模型基于RetinaNet，相比RetinaNet只做了很小的改动：

• 将BN换成GN；
• 加了一个IoU预测分支；
• 在backbone上嵌入了DCNv1；
• 将框回归的loss从smooth l1 loss替换为DIoU loss。

在仅使用ResNet50作为backbone的情况下，TinaFace在WIDER FACE的验证集和测试集中的hard上达到了当前的state of the art。我们只看hard的原因在于WIDER FACE的easy和medium都包含在hard之中，hard体现的是一个人脸检测器在所有人脸上的检测效果。

具体来说，在单模型，backbone仅为ResNet50的情况下。

1、验证集上

1.1、不使用TTA的TinaFace：TinaFace的AP为93.0%，比基于ResNet152的ASFD（使用TTA）高0.5%，比基于ResNet152的DSFD（使用TTA）高1.8%；

1.2、使用TTA的TinaFace：TinaFace的AP为93.4%，比基于ResNet50的HAMBox（使用TTA）高0.1%。

2、测试集上

2.1、不使用TTA的TinaFace：TinaFace的AP为92.1%，与基于ResNet152的ASFD（使用TTA）一样，比基于ResNet152的DSFD（使用TTA）高2.1%；

2.2、使用TTA的TinaFace：TinaFace的AP为92.4%，比基于ResNet50的HAMBox（使用TTA）高0.1%。

TinaFace非常简单，基于RetinaNet，所添加的模块在在通用的目标检测框架（比如mmdetection、vedadet）中都是现成的。而且训练不需要大batch，即使你的显存只有11G，也可以复现TinaFace。也正因为TinaFace使用的模块都非常经典、成熟，TinaFace也会比较容易部署。

我们的代码开源地址为TinaFace，基于vedadet，里面提供当前最好结果的权重，以及训练、测试、推理代码，无论大家是想做研究、打比赛、还是仅仅想体验state of the art的效果，这个repo都能满足你。

vedadet能做到的不仅于此，vedadet是我们基于mmdetection开发的单阶段目标检测框架，适用任意目标检测任务，无论是人脸检测还是通用目标检测。vedadet提供训练、测试、推理特性，后续会支持转ONNX/TensorRT，以及基于TensorRT的Python前端SDK或者C++前端SDK。

https://github.com/Media-Smart/vedadet

想了解实验细节的朋友可以参见论文TinaFace: Strong but Simple Baseline for Face Detection。实验中使用的数据分析工具我们也开源了——volkscv。

https://github.com/Media-Smart/volkscv

上述论文和代码下载

在CVer微信公众号后台回复：TinaFace，即可下载上述论文PDF和项目源代码

目标检测综述下载

后台回复：目标检测二十年，即可下载39页的目标检测最全综述，共计411篇参考文献。

下载2

后台回复：CVPR2020，即可下载代码开源的论文合集
后台回复：ECCV2020，即可下载代码开源的论文合集
后台回复：YOLO，即可下载YOLOv4论文和代码

重磅！CVer-目标检测 微信交流群已成立

扫码添加CVer助手，可申请加入CVer-目标检测 微信交流群，目前已汇集4000人！涵盖2D/3D目标检测、小目标检测、遥感目标检测等。互相交流，一起进步！

同时也可申请加入CVer大群和细分方向技术群，细分方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。

一定要备注：研究方向+地点+学校/公司+昵称（如目标检测+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群

▲长按加群

▲长按关注我们

整理不易，请给CVer点赞！