[论文解读] 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 16

一句话总结

本文提出了一种新型的基于锚框的面部检测器设计，通过最大化与真实框的重叠来提升对极小面部（小于16×16像素）的检测性能。该方法引入了期望最大重叠（Expected Max Overlapping, EMO）分数，用于理论分析与锚框设计的指导，从而提出减少锚框步长、偏移锚框位置以及随机面部偏移等策略，在Wider Face、AFW、PASCAL Faces和FDDB数据集上实现了最先进性能，同时保持了较高的推理速度。

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.

研究动机与目标

• 为解决基于锚框的面部检测器在极小面部（例如<16×16像素）上表现不佳的问题，此类检测器因与锚框的交并比（IoU）过低而性能受限。
• 分析当前锚框设计为何难以与小尺寸面部实现高IoU，尤其是由于锚框分布稀疏和锚框位置固定所致。
• 提出一种理论性度量指标——期望最大重叠（EMO）分数，用于量化并指导具有更高面部IoU潜力的锚框设计。
• 提出实用且高效的锚框设计策略，在不显著增加模型复杂度或推理时间的前提下提升检测精度。
• 在多个基准数据集（包括Wider Face、AFW、PASCAL Faces和FDDB）上实现最先进性能，尤其在困难样本和极小面部上表现突出。

提出的方法

• 提出期望最大重叠（EMO）分数，定义为：在面部位置随机从图像平面上的二维分布中抽取的前提下，面部与一组锚框之间的最大IoU的期望值。
• 利用EMO分数分析锚框步长、锚框密度以及锚框位置对不同尺寸面部重叠的影响。
• 通过调整网络结构实现锚框步长减小，以提升锚框密度并改善对小尺寸面部的覆盖能力。
• 引入额外的偏移锚框，将其放置于标准中心位置之外，以提高与小尺寸面部实现高IoU的可能性。
• 在训练过程中应用随机面部偏移，以增加锚框与小尺寸面部之间实现高IoU重叠的概率。
• 对低重叠面部实施多锚框匹配策略，以提升学习效果与检测置信度。

实验结果

研究问题

• RQ1 为何基于锚框的面部检测器在极小面部上表现不佳，特别是低于16×16像素的面部？
• RQ2 锚框的分布如何影响与小尺寸面部可实现的最大IoU？
• RQ3 能否推导出一种理论度量指标，用于量化并指导具有更高面部重叠潜力的锚框设计？
• RQ4 能否从EMO分数中推导出实用的锚框设计策略，以提升对极小面部的检测性能？
• RQ5 改进的锚框设计在不牺牲推理速度的前提下，能在多大程度上提升标准基准数据集上的检测性能？

主要发现

• 所提方法在Wider Face Hard数据集上达到94.9%的平均精度（AP），优于以往最先进方法。
• 在Wider Face验证集上，该方法在IoU=0.5时达到94.0% AP，IoU=0.6时达到91.4% AP，IoU=0.7时达到79.5% AP，显著优于基线方法。
• 采用图像金字塔测试时，该方法在Wider Face Hard数据集上达到86.1% AP，超越SSH及其他领先方法。
• 在AFW数据集上，该方法在所有对比方法中实现了最高的精确率与召回率，包括商业系统如Face++和Picasa。
• 在PASCAL Faces数据集上，该方法在精确率-召回率性能上优于所有深度学习与传统面部检测器。
• 在FDDB数据集上，该方法实现了最高的AP分数与高召回率，展现出对椭圆形面部标注的强大泛化能力。