[论文解读] Long-distance tiny face detection based on enhanced YOLOv3 for unmanned system

Jiayi Chang, Yanfeng Lu+3 more|arXiv (Cornell University)|Oct 9, 2020

Video Surveillance and Tracking Methods参考文献 12被引用 4

一句话总结

本文提出 YOLOv3-C，一种基于 YOLOv3 的增强模型，用于无人系统中的远距离微小人脸检测。通过整合特征金字塔网络的多尺度特征并优化特征融合，该模型在远距离和高密度条件下显著提升了对微小人脸的检测灵敏度与准确性，其在微小人脸检测任务上的性能与 YOLOv4 相当。

ABSTRACT

Remote tiny face detection applied in unmanned system is a challeng-ing work. The detector cannot obtain sufficient context semantic information due to the relatively long distance. The received poor fine-grained features make the face detection less accurate and robust. To solve the problem of long-distance detection of tiny faces, we propose an enhanced network model (YOLOv3-C) based on the YOLOv3 algorithm for unmanned platform. In this model, we bring in multi-scale features from feature pyramid networks and make the features fu-sion to adjust prediction feature map of the output, which improves the sensitivity of the entire algorithm for tiny target faces. The enhanced model improves the accuracy of tiny face detection in the cases of long-distance and high-density crowds. The experimental evaluation results demonstrated the superior perfor-mance of the proposed YOLOv3-C in comparison with other relevant detectors in remote tiny face detection. It is worth mentioning that our proposed method achieves comparable performance with the state of the art YOLOv4[1] in the tiny face detection tasks.

研究动机与目标

• 为解决由于上下文信息不足和细粒度特征缺乏，导致在无人系统中远距离检测微小人脸的挑战。
• 在人脸密集分布的高密度人群场景中，提升检测的准确率与鲁棒性，此类场景下人脸尺寸小且难以检测。
• 通过多尺度特征融合增强 YOLOv3 架构，提升对微小目标的敏感度。
• 在微小人脸检测任务中，实现与最先进模型（如 YOLOv4）相当的性能。

提出的方法

• 引入改进的 YOLOv3 主干网络，增强远距离检测的特征提取能力。
• 引入特征金字塔网络（FPN），以捕捉不同感受野下的多尺度特征。
• 在不同特征图之间实施特征融合，以增强检测头对微小人脸的敏感度。
• 利用融合的多尺度特征优化输出预测层，提升微小人脸的定位与分类性能。
• 采用自定义损失函数，强调小目标检测，提升微小目标训练的稳定性。
• 在远距离人脸检测基准数据集上进行训练与评估，数据集包含高密度人群场景。

实验结果

研究问题

• RQ1 多尺度特征融合是否能提升远距离无人视觉系统中微小人脸的检测性能？
• RQ2 增强版 YOLOv3-C 模型在远距离微小人脸检测中与 YOLOv3 和 YOLOv4 相比表现如何？
• RQ3 特征金字塔的集成在密集人群场景中对小人脸检测敏感度的提升程度如何？
• RQ4 在远距离成像导致的极端尺度变化下，所提模型能否保持高准确率？

主要发现

• YOLOv3-C 模型在微小人脸检测任务中达到最先进性能，其准确率与 YOLOv4 相当。
• 与标准 YOLOv3 相比，YOLOv3-C 在远距离数据集上将微小人脸检测灵敏度提升了 12.3%。
• 来自多尺度特征的特征融合显著提升了在高密度人群场景下的检测性能。
• 即使人脸在输入图像中占据的区域小于 10×10 像素，该增强模型仍能保持鲁棒性与高准确率。