[論文レビュー] A Fast Face Detection Method via Convolutional Neural Network

Guanjun Guo, Hanzi Wang+3 more|arXiv (Cornell University)|Mar 27, 2018

Face recognition and analysis参考文献 49被引用数 13

ひとこと要約

本稿では、独自の畳み込みニューラルネットワークから抽出された判別的完全特徴（DCFs）を用いた高速顔検出手法を提案する。この手法により、画像ピラミッドを経由せずに完全特徴マップ上で直接分類が可能となり、計算コストを大幅に削減できる。本手法は、スパースでスケール不変な特徴と、DCFs上でのスライディングウィンドウ戦略を活用することで、特に小さな顔に対し高い効率と優れた性能を達成し、FDDBデータセットにおいて91.6%の平均精度を達成し、ROC性能においても優れた結果を示した。

ABSTRACT

Current face or object detection methods via convolutional neural network (such as OverFeat, R-CNN and DenseNet) explicitly extract multi-scale features based on an image pyramid. However, such a strategy increases the computational burden for face detection. In this paper, we propose a fast face detection method based on discriminative complete features (DCFs) extracted by an elaborately designed convolutional neural network, where face detection is directly performed on the complete feature maps. DCFs have shown the ability of scale invariance, which is beneficial for face detection with high speed and promising performance. Therefore, extracting multi-scale features on an image pyramid employed in the conventional methods is not required in the proposed method, which can greatly improve its efficiency for face detection. Experimental results on several popular face detection datasets show the efficiency and the effectiveness of the proposed method for face detection.

研究の動機と目的

• 画像ピラミッドやオブジェクト候補生成に依存する既存のCNNベースの顔検出手法の高い計算コストを低減すること。
• 特に小さな顔に対して高い精度を維持しつつ、検出の効率を向上させること。
• 高速な推論を可能にするために、スパースかつスケール不変な特徴表現を開発すること。
• 画像ピラミッドや候補領域に依存せず、完全特徴マップ上で直接スライディングウィンドウ分類を実行できること。

提案手法

• ReLU活性化関数を用いた深層CNNによりスパースな特徴空間を生成し、DCFsの基盤を形成する。
• マルチスケール特徴を最近傍補間法を用いて全結合層の入力サイズにリサイズすることで、スパarsityとトポロジーを保持する。
• 各スライディングウィンドウの特徴を完全特徴マップから直接計算する高速特徴抽出手法を提案し、重複計算を回避する。
• DCFsを線形分類器を用いて直接分類することで、計算複雑度を低減する。
• 畳み込み演算をスパース高速フーリエ変換（SFFT）アルゴリズムを用いて高速化する。
• オブジェクト候補生成に依存しないため、特に小さな顔ではしばしば失敗する従来手法の欠点を回避する。

実験結果

リサーチクエスチョン

• RQ1 画像ピラミッドやオブジェクト候補生成を用いないCNNベースの顔検出手法が、高速性を実現できるか？
• RQ2 判別的完全特徴（DCFs）が、スパースかつスケール不変である一方で、顔検出に十分な判別力を有しているか？
• RQ3 画像ピラミッドや領域候補に依存する手法と比較して、完全特徴マップ上で直接分類することで、速度と精度の両面で優れた性能を発揮できるか？
• RQ4 本手法は、従来手法が困難とする小さな顔の検出を効果的に実現できるか？

主な発見

• 提案手法はAFWデータセットにおいて91.6%の平均精度を達成し、高再現率領域で多数のベースライン手法を上回った。
• FDDBデータセットにおいて、R-CNN、faster R-CNN、YOLO、DeepIRを含む、すべての競合するCNNベースの手法の中で最高のROC性能を示した。
• Face++と比較した可視化結果から、本手法は小さな顔や部分的遮断された顔の検出において優れた性能を示した。
• DCFsの活用により、画像ピラミッドや提案ネットワークを用いる手法と比較して、計算オーバーヘッドを顕著に低減できた。
• 制約のない顔の学習データが限られる状況でも、本手法の性能は安定しており、強力な一般化能力を示した。