RetinaFace论文解析

论文地址：https://arxiv.org/pdf/1905.00641.pdf

源码地址（MXNet实现）：https://github.com/deepinsight/insightface/tree/master/RetinaFace

基于caffe-c++的实现：https://github.com/wzj5133329/retinaface_caffe

1.介绍

RetinaFace是Insightface团队提出的one-stage人脸检测算法（开源代码与数据集，业界良心），在widerface 上有非常好的表现。

 

2.论文主要贡献

1）在one-stage检测网络设计的基础上，增加两条平行分支，一支预测五个关键点，一支预测每个人脸像素的三维位置和对应关系，这样网络总共就是四条平行分支，见图1.（由于我没用到人脸各个像素点的三维位置，所以下面只分析前三分支）

2）在widerface上，RetinaFace性能优于现有技术平均水平预测（AP）1:1% (AP = 91:4%(hard))

3）在IJB-C数据集上，RetinaFace有助于改进ArcFace验证精度，这表明更好的人脸定位可以显著提高人脸识别。

4）通过采用轻量级骨干网络，RetinaFace可以在单CPU核上实时运行，以实现vga分辨率的图像

5）代码开源并且将自己在widerface上标注的关键点数据开源（良心）

 

3.网络与常规one-stage检测网络比较（例yolo）

主要相同点：

都是在不同下采样层进行预测，且都采用固定的anchors，预测都是相对anchors偏移量

主要不同点：

RetinaFace多了关键点检测

 

RetinaFace网络大致架构

                                                 图1.  RetinaFace

 从该图可以看出RetinaFace是四条平行的分支，第一条预测是否是人脸，第二条预测人脸框的偏移量，第三条预测人脸关键点的偏移量，第四条因为我没需求，所以没看，这里不讨论

另外不知道是不是学的yolov3(猜的)，也是采用了多阶段预测，就是在网络不同的下采样层做预测，类似这种

                                                                       图2 RetinaFace最后的输出

 

从左到右下采样32、16、8倍，在论文里面，最开始应该是有5种下采样，

                                        图3.论文中的anchor数目

这样五种下采样（4，8，16，32，64）feature_map为（160，160）（80，80），（40，40），（20，20），（10，10）,每个feature_map中的点预测有三种anchors,那么总的anchors就是(160*160.*...10*10)*3=102300，但是在代码中只有stride为（32，16，8）的输出，且每个点只有两个anchors，所以640*640输入的图片   三个输出是【（1，4，20，20），（1，8，20，20），（1，20，20，20）】、 【（1，4，40，40），（1，8，40，40），（1，20，40，40）】 、【（1，4，80，80）（1，8，80，80）（1，20，80，80）】如图2

4.使用的loss

采用多任务Loss

 

再看看yolo损失函数,此损失函数实际是yolov1 ,v2的，

v3的损失函数作者并没有给出，根据代码解析出为：

 

5.个人看法

个人感觉retinaface最大的贡献就是其加入了关键点的分支，这样可以确保检测到的人脸质量，而且在损失函数也只是将其作为一个比较小的约束项，不怎么会影响分类以及人脸框的判断，但是一旦关键点太过偏离就会使loss相对变大（产生约束）

 

第一次写博客，可能会有很多问题，各位大佬轻喷^-^