[論文レビュー] Seeing Small Faces from Robust Anchor's Perspective

Chenchen Zhu, Ran Tao+2 more|arXiv (Cornell University)|Feb 25, 2018

Face recognition and analysis参考文献 47被引用数 16

ひとこと要約

本論文は、アノテーションの重複度を最大化することで、16×16ピクセル未塔の顔の検出性能を向上させるための新しいアンカーデザインを提案する。期待最大オーバーラップ（EMO）スコアを導入し、理論的分析とアンカーデザインの指針とすることで、アンカーストライドの低減、アンカーオフセット、確率的顔位置シフトといった戦略を提案。Wider Face、AFW、PASCAL Faces、FDDBの複数のベンチマークで最先端の性能を達成し、競争的な推論速度を維持する。

ABSTRACT

This paper introduces a novel anchor design to support anchor-based face detection for superior scale-invariant performance, especially on tiny faces. To achieve this, we explicitly address the problem that anchor-based detectors drop performance drastically on faces with tiny sizes, e.g. less than 16x16 pixels. In this paper, we investigate why this is the case. We discover that current anchor design cannot guarantee high overlaps between tiny faces and anchor boxes, which increases the difficulty of training. The new Expected Max Overlapping (EMO) score is proposed which can theoretically explain the low overlapping issue and inspire several effective strategies of new anchor design leading to higher face overlaps, including anchor stride reduction with new network architectures, extra shifted anchors, and stochastic face shifting. Comprehensive experiments show that our proposed method significantly outperforms the baseline anchor-based detector, while consistently achieving state-of-the-art results on challenging face detection datasets with competitive runtime speed.

研究の動機と目的

• 16×16ピクセル未塔の顔に対して、アンカーベースの顔検出器が性能を発揮できない問題（特にアノテーションとアンカーのIOUが低いこと）を解決すること。
• 現在のアンカーデザインが、特にアンカーの分布が疎で固定された配置であるため、小規模な顔と高いIOUを達成できない理由を分析すること。
• 顔とのIOUの潜在的向上度を定量化・指針化できる理論的指標、すなわち期待最大オーバーラップ（EMO）スコアを考案すること。
• モデルの複雑さや推論時間を著しく増加させることなく、検出精度を向上させる実用的で効果的なアンカーデザイン戦略を提案すること。
• Wider Face、AFW、PASCAL Faces、FDDBを含む複数のベンチマークデータセットで、特に困難で小さな顔の検出において最先端の性能を達成すること。

提案手法

• 期待最大オーバーラップ（EMO）スコアを定義。これは、顔の位置が画像面上の2次元分布からランダムに抽出された場合の、顔とアンカー集合との最大IOUの期待値を表す。
• EMOスコアを用いて、アンカーストライド、アンカーデンシティ、アンカー位置がさまざまなサイズの顔とどれほどオーバーラップするかを分析する。
• アンカーデンシティを向上させ、小さな顔のカバレッジを改善するために、ネットワークアーキテクチャを変更したアンカーストライドの低減を提案。
• 標準的な中心位置からずらした追加のアンカーオブジェクトを導入し、小さな顔と高いIOUを達成する可能性を高める。
• トレーニング時に確率的顔位置シフトを適用することで、アンカーと小さな顔との高いIOUを達成する確率を向上させる。
• 低オーバーラップ顔に対しマルチアンカー対応を実装することで、学習の質と検出信頼性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 なぜアンカーベースの顔検出器は、特に16×16ピクセル未塔の顔に対して性能が低いのか？
• RQ2 アンカーボックスの分布が、小さな顔と達成可能な最大IOUにどのように影響するのか？
• RQ3 顔とのオーバーラップ潜在力の高いアンカーデザインを定量化・指針化できる理論的指標を導出可能か？
• RQ4 EMOスコアから得られる知見に基づき、小さな顔の検出を向上させる実用的アンカーデザイン戦略は何か？
• RQ5 改善されたアンカーデザインは、推論速度を犠牲にせず、標準ベンチマークでどの程度検出性能を向上させられるか？

主な発見

• 提案手法は、Wider Face Hardセットで94.9%の平均適合率（AP）を達成し、以前の最先端手法を上回った。
• Wider Faceバリデーションセットでは、IOU=0.5で94.0%、IOU=0.6で91.4%、IOU=0.7で79.5%のAPを達成し、ベースラインを著しく上回った。
• 画像ピラミッドテストを適用した場合、Wider Face Hardセットで86.1%のAPを達成し、SSHや他の最先端手法を上回った。
• AFWデータセットでは、Face++ や Picasa といった商用システムを含むすべての比較手法と比較して、最高の適合率と再現率を達成した。
• PASCAL Facesデータセットでは、ディープラーニングおよび伝統的顔検出器の両方と比較して、優れた適合率-再現率性能を示した。
• FDDBデータセットでは、最高のAPスコアと高い再現率を達成し、楕円形顔アノテーションへの汎用性の高さを示した。