论文学习 LFFD: A Light and Fast Face Detector for Edge Devices

论文要点

• 多尺度检测网络，各分支只关心自己负责的尺度范围；
• 网络设计以部署平台运行效率为目标，使用优化效果最高的结构设计网络；
• Anchor类方法有离散、样本不均、依靠经验等问题，提出使用RF的Anchor-Free方法。

主要内容

基于Anchors的方法存在问题

1. Anchor很难充分覆盖所有尺寸的人脸；
2. IOU阈值需要靠经验选取；
3. Anchor数量与尺寸全靠经验，容易导致样本不平衡和冗余计算。
   

RF 和 ERF

  Feature map中每一个点都对应一个感受野（RF），处于感受野越靠近中心位置的像素对结构影响越大；越小的人脸越需要更多的上下文信息，有效感受野（ERF）也就需要覆盖更多的context information(大的人脸能直接判别，但小的人脸需要借助脖子、肩膀等上下文信息来判断)；感受野可以复用为Anchor。

模型结构

  模型结构主干网络使用当前主流部署工具优化性能最高的3x3卷积核，通过降维分割为tiny、small、medium、large四个部分，分别取2、2、1、3共8路检测分支，每个分支通过1x1卷积核从主干网络中导出。由于测试BN层会减慢约17%，因此网络中不包含BN层。

  根据网上大家的解读，RF的计算公式为：
$$R{F}_i=R{F}_{i-1}+(k-1)\ast stride$$
  以下为根据这个公式的计算结果，不一定正确。由于训练的图像最大为640x640子图，所以RF的最大尺寸达到639。
  $55=35+（6-1）\ast 4$
  $71=55+（5-1）\ast 4$
  $111=71+（6-1）\ast 8$
  $143=111+（5-1）\ast 8$
  $223=143+（6-1）\ast 16$
  $383=223+（6-1）\ast 32$
  $511=383+（5-1）\ast 32$
  $639=511+（5-1）\ast 32$

损失函数

  损失函数包含分类交叉熵、回归L2，其中分类损失计算时设定各分支只检测自己尺度范围内的人脸，主要为对下边界0.9-1、上边界1-1.1系数范围内设定gray scales，剩下的划分为positive/negative。

数据预处理

  WIDER FACE数据集中的12880张图像，150000张验证集人脸，丢弃少于10x10像素的人脸（网络设计中能检测到的最小人脸为10x10）。输入图像先减127.5，再除以127.5.

  数据增广方法包括：

• Color Distort 增加光噪声、更改亮度对比度等；
• Random Sampling 随机选择一个图像、一个人脸，选择某个区间内大小的人脸进行整体缩放，并以选择的人脸为中心截取一个640*640的子图，将超出的区域填充黑色。同时通过随机采样，保证不同分支输出人脸数相同、人脸被各分支采样的概率相同。
• Randomly Horizontal Flip 以0.5的概率对子图进行随机翻转。

  训练过程中，根据损失值对负样本排序，以正负样本1:10的比例选取排名靠前的负样本。

训练参数

参数	设定值
初始化方法	Xavier
Optimization	Sgd
Momentum	0.9
Weight decay	0
Batchsize	32
Lr	0.1
Iteration	1500000
衰减策略	600000/1000000/1200000/1400000

评估方法

  SIO【Single Inference on the Original】以原图输入运行一次，而不进行多尺度变化 ，对SSH这种有trick的影响较大。

  多平台测试，TITAN Xp、TX2、RaspberryPi3。

  参数量与推理耗时的关系对比：$E_{net}=FLOPs/t$

参考链接

  论文地址

  人脸识别论文阅读笔记1 – CVPR2019-LFFD

  LFFD A Light and Fast Face Detector for Edge Devices论文阅读笔记

  [论文理解] LFFD: A Light and Fast Face Detector for Edge Devices