Robust Face Detection via Learning Small Faces on Hard Images

Robust Face Detection via Learning Small Faces on Hard Images

基于难图像小人脸学习的鲁棒人脸检测

本文在训练阶段动态地给每张训练图像赋予difficulty score，以判定每张图像是否已被很好的检测 or 被选作继续训练，在每个epoch训练前，根据difficulty score重采样生成hard images子集，模型就仅需在生成的子集上训练即可，这种操作就可以凸显出那些检测效果不好的hard images，检测效果好的easy images不参与下阶段的训练。

使用所有训练图像集D中的子集D'（D' 包含hard images）来训练模型，在每个epoch开始前，基于前一个epoch生成的difficulty scores构建D'，初始化阶段，D'= D，也即训练集中的所有图像都参与到模型的训练，在第一个epoch中，所有图像都参与到模型的训练。

A(I)+：图像 I 对应的正样本anchor集合，anchor与gt bbox的IoU > 0.5；

函数 l()：分类概率；

l(I ; Θ)a，1：anchor被判定为前景的logit；

l(I ; Θ)a，0：anchor被判定为背景的logit；

训练集中的所有图像被初始化为hard image，任意图像的WPAS > th时（文中设置th = 0.85）就会被认为是easy image（即对所有正样本anchor做分类，理论上希望模型将所有正样本anchor都被判为前景，此时模型真的判断为前景，这张图像就可以认为是一个easy image）。

在每个epoch开始时，先对训练集图像做随机重排，生成training list 用于当前epoch的训练，如果在上个epoch中，某张image_i的WPAS被判定为easy image，则image_i有 p （文中设置p = 0.7）的概率从training list D中被剔除，剩余的training list就更专注于hard images，用于在当前epoch内训练。