[论文解读] Face Detection with the Faster R-CNN

Huaizu Jiang, Erik Learned-Miller|arXiv (Cornell University)|Jun 10, 2016

Face recognition and analysis参考文献 1被引用 36

一句话总结

该论文通过在 WIDER Face 数据集上微调 Faster R-CNN 模型，实现了最先进的面部检测性能，利用其区域建议网络（RPN）实现端到端学习和共享卷积特征，从而在 FDDB 和 IJB-A 基准测试中实现了比以往基于区域的 CNN 方法更优的速度与准确率。

ABSTRACT

The Faster R-CNN has recently demonstrated impressive results on various object detection benchmarks. By training a Faster R-CNN model on the large scale WIDER face dataset, we report state-of-the-art results on two widely used face detection benchmarks, FDDB and the recently released IJB-A.

研究动机与目标

• 通过 Faster R-CNN 框架实现面部检测的最先进性能。
• 评估区域建议网络（RPN）在生成高质量、深度学习的物体建议方面在面部检测中的有效性。
• 将 Faster R-CNN 与先前的基于区域的 CNN 检测器（R-CNN、Fast R-CNN）以及其他近期面部检测器在标准基准上进行比较。
• 分析端到端训练和共享卷积特征对检测速度与准确率的影响。
• 评估模型在不同数据集上的泛化能力，特别是其在 FDDB 和更新的 IJB-A 基准上的性能差异。

提出的方法

• 在大规模 WIDER Face 数据集上对 Faster R-CNN 模型进行微调，以实现面部检测。
• 将区域建议网络（RPN）用作端到端、全卷积的建议生成器，并与检测头共享特征。
• 在 RPN 和 Fast R-CNN 检测模块之间共享相同的卷积特征图，减少计算量并支持端到端训练。
• 使用双流损失函数进行端到端训练：分类损失用于前景/背景判断，回归损失用于边界框优化。
• 在 FDDB 和 IJB-A 上使用标准指标评估检测性能，包括使用离散和连续得分的 ROC 曲线。
• 采用 VGG16 作为主干网络，并从 ImageNet 预训练权重进行微调。

实验结果

研究问题

• RQ1 当在大规模面部数据集上进行微调时，Faster R-CNN 是否能在标准面部检测基准上实现最先进性能？
• RQ2 与手工设计的建议方法（如 EdgeBox）或其他学习型建议方法（如 Faceness、DeepBox）相比，Faster R-CNN 中基于 RPN 的建议生成在准确率和速度方面表现如何？
• RQ3 在 FDDB 和 IJB-A 基准上，Faster R-CNN 与其他近期高性能面部检测器之间的性能差距是多少，特别是在使用连续得分时？
• RQ4 为什么 Faster R-CNN 在 IJB-A 上的表现优于 FDDB？数据集标注的一致性在其中起到了什么作用？
• RQ5 端到端训练与共享特征在多大程度上提升了面部检测的速度与准确率？

主要发现

• Faster R-CNN 在 FDDB 和 IJB-A 基准上均实现了最先进性能，在 FDDB 上使用离散得分时，当误报数超过约 200 时，优于其他 11 种近期检测器。
• 在 FDDB 上使用连续得分时，Faster R-CNN 在 500 个误报下达到 0.718 的真正例率，仅次于 MultiresHPM，优于大多数其他方法。
• 在更新的 IJB-A 基准上，Faster R-CNN 显著优于所有其他方法，展现出对具有挑战性、多样化的面部图像的强大泛化能力。
• RPN 模块是相较于 R-CNN 和 Fast R-CNN 实现性能提升的主要原因，得益于其生成高质量、深度学习建议的能力。
• 整个 Faster R-CNN 流程的推理速度显著快于 R-CNN 和 Fast R-CNN，在 FDDB 数据集上每张图像的总推理时间仅为 0.38 秒。
• 定性结果表明，模型对重叠、遮挡和极端姿态的面部具有鲁棒检测能力，验证了其在复杂情况下的稳定性。