《Seeing Small Faces from Robust Anchor’s Perspective》发表于CVPR2018,作者有:Chenchen Zhu 、Ran Tao 、Khoa Luu 、Marios Savvides ,来自卡内基梅隆大学(Carnegie Mellon University)。
本人将该论文整理为四个部分。分别是 介绍、新的anchor的生成策略(包括四种方法) 、实验 、结论。
1.介绍
首先,上面的图阐释了面部尺度大小和召回率及人脸与anchor的平均IOU间的关系。可以看到召回率和IOU基本呈现一种正相关的关系,大尺寸人脸的召回率和交并比明显比小人脸的效果好。作者认为检测不到小脸,是基于anchor调整的 bbox与小脸的匹配度不够。
于是,作者定义了一个概念叫做EMO,预期最大交叉,来说明人脸和anchor获取高交并比的能力。EMO score可解释两点:1. face bbox越大,matched anchor的iou score越大;2. anchor分布越密集,越容易match face。借此,提出一些改进的方法,希望来提高gt和anchor的IOU,提高检测到小人脸的概率。如:通过减小anchor步长,增加密度,额外的变换anchor的形状,随机变换人脸等来提高IOU,提高anchor被定为正样本的概率。
基于anchor的检测方法是通过分类和回归anchor box来检测对象的,anchor是一系列