人脸检测、物体检测

几种人脸检测方法的对比分析

2020-05-13  本文已影响0人  Cat丹

简单的对比了下几种人脸检测（物体检测方法）

[1] FCOS CenterFace KPNet LFFD FSAF
确定正负样本 物体中心点在格子内 点落在bbox内 heatmap heatmap 点落在bbox内 点落在bbox中心点附近区域
人脸（物体）框 - 根据中心点到四点的距离计算 heatmap提供中心点，加上scale和offset计算 由关键点推导 根据中心点到四点的距离计算 根据中心点到四点的距离计算
处理正负样本不均衡 - 可以利用尽可能多的正样本 - - 负样本的loss只回传topk -
检测不同尺度的物体 多尺度输出 不同的通道预测不同的尺度 scale分支处理不同大小的物体 多尺度输出 多尺度输出 多尺度输出
独特之处 同时解决人脸检测和3DMM参数估计问题 centerness分支 - 1.用不同的通道来表示不同的物体scale，2.根据关键点推导人脸框，3.bounding box perturbation（bbox的corner点在bbox size内随机扰动5%） 1.感受野是天然的anchor,2.random sampling for each scale 根据内容而非尺度选择用于回归的特征层
样本增广 random scaling in the range [0.8,1.2], random translation of 0-10%, color jitter， in-plane rotation - 随机翻转，随机缩放，color jittering，随机crop 随机旋转，随机翻转，高斯模糊，bounding box perturbation（bbox的corner点在bbox size内随机扰动5%） color disort，random sampling for each scale, random horizontal flip 水平翻转
backbone Tiny DarkNet ResNet mobilenetv2+FPN 自设计 自设计 -
优势 Google Pixels上只需39ms CPU速度30FPS（VGA），FDDB mAP 98%,实际效果可见 回归目标是标注相对准确的关键点，避免了标注框模糊问题 实际效果可见
缺点/风险 - 效果未知 训练时间比较长（5天）

paper：

上一篇下一篇

猜你喜欢

热点阅读