[论文解读] Grid Loss: Detecting Occluded Faces

Michael Opitz, Georg Waltner+3 more|arXiv (Cornell University)|Sep 1, 2016

Advanced Neural Network Applications参考文献 40被引用 12

一句话总结

本文提出了一种新型CNN损失层——Grid Loss，其将特征图划分为空间网格，并对每个网格块独立优化合页损失，使检测窗口的各个部分更具判别性。该方法在不增加运行时开销的前提下，提升了对遮挡的鲁棒性，在FDDB、PASCAL Faces和AFW数据集上实现了实时推理（20 FPS）下的最先进性能。

ABSTRACT

Detection of partially occluded objects is a challenging computer vision problem. Standard Convolutional Neural Network (CNN) detectors fail if parts of the detection window are occluded, since not every sub-part of the window is discriminative on its own. To address this issue, we propose a novel loss layer for CNNs, named grid loss, which minimizes the error rate on sub-blocks of a convolution layer independently rather than over the whole feature map. This results in parts being more discriminative on their own, enabling the detector to recover if the detection window is partially occluded. By mapping our loss layer back to a regular fully connected layer, no additional computational cost is incurred at runtime compared to standard CNNs. We demonstrate our method for face detection on several public face detection benchmarks and show that our method outperforms regular CNNs, is suitable for realtime applications and achieves state-of-the-art performance.

研究动机与目标

• 为解决在实时检测中部分遮挡面部时，标准CNN因局部特征不具判别性而失效的问题。
• 通过确保检测窗口的每个子区域独立具备判别性，提升检测器在遮挡下的鲁棒性。
• 通过将网格损失映射回标准全连接层，保持计算效率，避免运行时开销。
• 在基准数据集上超越现有基于CNN的面部检测器，同时减少过拟合和特征相关性。

提出的方法

• Grid Loss将最终的卷积特征图划分为一个空间子区域网格（例如4x4或5x5个块）。
• 在每个网格单元上独立应用合页损失，促使每个局部区域自身都能具备面部检测的判别性。
• 训练完成后，将网格损失层映射回标准全连接层，从而保持推理速度。
• 该方法与标准CNN架构兼容，无需架构修改或额外的推理时间计算。
• 通过标准面部检测基准（包括FDDB、AFW和PASCAL Faces）对方法进行评估，涵盖小型和大型网络变体。
• 实验证明，该方法通过促进多样化且空间独立的检测器，降低了特征相关性和过拟合。

实验结果

研究问题

• RQ1 与标准全局损失相比，使用基于网格的损失训练CNN是否能提升对部分遮挡面部的检测准确率？
• RQ2 在不增加推理成本的前提下，是否通过在特征图中强制实现局部判别性可增强对遮挡的鲁棒性？
• RQ3 在标准基准上，Grid Loss在准确率和速度方面与最先进面部检测器相比如何？
• RQ4 Grid Loss在多大程度上降低了训练后CNN中的特征相关性和过拟合？
• RQ5 Grid Loss能否与现有方法（如CNN级联）有效结合以进一步提升性能？

主要发现

• 在FDDB数据集上，快速模型在0.1 FPPI下达到86.7%的查全率，比最先进方法的真正例率高出0.7%。
• 大模型在FDDB上于0.1 FPPI下达到89.4%的查全率，展现出最先进性能。
• 在PASCAL Faces和AFW数据集上，该方法分别将平均精度提升了1.38%和1.45%，超过先前最先进水平。
• 该方法在标准GPU硬件上以20 FPS运行，无需依赖级联或可分离卷积等加速技术。
• 通过参数评估和消融实验，证明Grid Loss降低了过拟合和特征相关性。
• 与AlexNet结合时，该方法在FDDB上实现了90.1%的查全率，进一步证实了其有效性及与现有架构的互补性。