【论文笔记】BlazeFace: Sub-millisecond

Paper Reading Note

URL:
论文pdf

TL;DR

Google出品。亚毫秒级的移动端人脸检测算法。移动端可达200~1000+FPS速度。主要以下改进：

• 轻量级feature受启发于Mobile系列
• 基于SSD的对移动端GPU更友好的anchor策略
• 改进的联合分辨率（tie resolution）策略来替代NMS方法

---

Information below is optional; you can change/remove it if you like

方法

Enlarging the receptive field sizes

在深度可分离卷积中，计算量主要为point-wise部分，增加depth-wise部分卷积核大小并不会明显增加成本。因此本文在depth-wise部分采用了5x5的卷积核，已获得更大的感受野，故此可以降低在层数上的需求。
此外，启发于mobilenetV2，本文设计了一个先升后降的double BlazeBlock。BlazeBlock适用于浅层，double BlazeBlock适用于深层。

BlazeBlock (left) and double BlazeBlock

Feature extractor

• 5个BlazeBlock和6个double BlazeBlock
• 输入是3x128x128，channel最大为96，feature map大小最小为8x8

Anchor scheme

16x16的anchor是一样的，但本文将8x8，4x4和2x2的2个anchor替换到8x8的6个anchor。此外强制限制人脸的长宽为1：1。

Anchor computation: SSD (left) vs. BlazeFace

Post-processing

由于最后一层feature map较大（相对于ssd），导致预测结果会较多，在连续帧预测过程中，nms会变导致人脸框变得更加抖动。本文在原始边界框的回归参数估计变为其与重叠概率的加权平均。这基本没有带来预测时间上的消耗，但在提升了10%的性能。

实验

效果好速度快的方法想不想要？

跟mobilenetv2+ssd的效果对比
各终端上的速度比较