[論文レビュー] Face R-CNN

Hao Wang, Zhifeng Li+2 more|arXiv (Cornell University)|Jun 4, 2017

Face recognition and analysis参考文献 31被引用数 44

ひとこと要約

本論文では、Faster R-CNNに基づき、新しいマルチタスク損失設計、オンラインハード例マイニング、マルチスケールトレーニングを組み合わせた、顔検出に特化した頑健な手法Face R-CNNを提案する。FDDBおよびWIDER FACEベンチマーク上で評価された結果、顔検出分野で最先端の性能を達成し、従来手法に比べ顕著な向上を示した。

ABSTRACT

Faster R-CNN is one of the most representative and successful methods for object detection, and has been becoming increasingly popular in various objection detection applications. In this report, we propose a robust deep face detection approach based on Faster R-CNN. In our approach, we exploit several new techniques including new multi-task loss function design, online hard example mining, and multi-scale training strategy to improve Faster R-CNN in multiple aspects. The proposed approach is well suited for face detection, so we call it Face R-CNN. Extensive experiments are conducted on two most popular and challenging face detection benchmarks, FDDB and WIDER FACE, to demonstrate the superiority of the proposed approach over state-of-the-arts.

研究の動機と目的

• 顔検出に特有の課題（例：小規模なオブジェクト、外見の高い可変性）に対処するため、従来のオブジェクト検出手法の限界を克服すること。
• 顔検出に特化したアーキテクチャ的・トレーニング的改善を導入することで、Faster R-CNNの性能を向上させること。
• 高度なトレーニング戦略を用いて、顔のサイズ・ポーズ・被覆の変動に対して頑健な手法を開発すること。
• 広く用いられるFDDBおよびWIDER FACEデータセットを用いて、顔検出分野における新たな最先端のベンチマークを確立すること。

提案手法

• 領域提案と分類の共同最適化を促進するため、新しいマルチタスク損失関数を設計し、顔の特徴学習を強化した。
• 難易度の高い正例および負例に動的に注目するため、オンラインハード例マイニングを適用し、モデルの汎化性能を向上させた。
• 推論時の顔のサイズ・スケールの変動に耐性を持つよう、マルチスケールトレーニング戦略を導入した。
• 2段階検出フレームワークを採用したFaster R-CNNの枠組みを基盤とし、ドメイン固有の変更を加えて顔検出に特化させた。
• 提案された損失関数およびトレーニング戦略を用いて、エンドツーエンドでモデルを学習させ、検出精度および位置特定精度を最適化した。

実験結果

リサーチクエスチョン

• RQ1 Faster R-CNNは、顔検出に特有の課題を効果的に処理するために、どのように適応可能か？
• RQ2 どの損失関数設計が、顔検出における領域提案と分類の共同最適化を改善するか？
• RQ3 オンラインハード例マイニングは、難易度の高い顔サンプルの検出性能をどのように向上させるか？
• RQ4 マルチスケールトレーニングは、顔検出におけるスケール変動に対するモデルの頑健性をどの程度向上させるか？

主な発見

• Face R-CNNはFDDBベンチマークで最先端の性能を達成し、従来手法に比べ検出精度が顕著に向上した。
• WIDER FACEデータセットでは、被覆や小規模な顔が含まれる困難な状況を含む、複数の評価プロトコルにおいて優れた性能を示した。
• オンラインハード例マイニングの統合により、難易度の高い負例の検出性能に明確な向上が見られた。
• マルチスケールトレーニング戦略は、特に小規模な顔の検出において、モデルのスケール変動への頑健性を顕著に向上させた。