曾刷新两项世界纪录腾讯优图人脸检测算法DSFD正式开源.PDF

曾刷新两项世界纪录，腾讯优图人脸检测算法 DSFD 正式 开源 人工智能4月11 日 近年来 ，卷积神经网络在人脸检测中取得了很大的成功 ，然而这些方法在处理人脸中 多变的尺度 ，姿态 ，遮挡 ，表情 ，光照等问题时依然比较困难。为此 ，腾讯优图推出 名为 DSFD （中文名为双分支人脸检测器 ）的全新算法 ，该算法在著名人脸检测数据 集上取得喜人结果 ，如今腾讯优图决定将之进行开源。 腾讯优图的研究员们发现 ，虽然之前的人脸检测算法大都采用深度学习模型 ，并在特 征学习的过程中也有采用特征金字塔网络 （Feature Pyramid Network ），但在面对 遮挡、暗光、大姿态、小脸等复杂场景时 ，仍容易出现误检或漏检的情况。因此 ， 在 FPN 基 础 上 ，腾 讯 优 图 团 队 采 用 了 3 种 不 同 级 联 方 式 的 空 洞 卷 积 （Dilated Convolution ），设计了特征增强模块 FEM ，充分学习到了不同感受野下 的人脸特征。 本文提出了一种新的方法 ，分别处理了人脸检测方向的三个关键点 ，包括更好的特征 学习 ，渐进式的损失函数设计以及基于锚点分配的数据扩充 ： （1 ）新的 「特征增强」模块 （FEM ：Feature Enhance Module ） FEM 在采用 Top-Down 层间信息融合的同时 ，在同一 「感受野」内 做了更多的 enhancement。因此在 width and depth 上学习到了更 有效的 context 和 semantic 信息。 （2 ） 「分 层 锚 点 渐 进 」 式 的 代 价 函 数 监 督 （PLA ： Progressive Anchor Loss ） 模型采用 2 个层级 （hierarchy ），基于第一层 （low-level ）和第二 层 （high-level ）的差异性 ，适配了不同尺寸的 anchor。在训练过程 中 ，PAL 对整个模型形成了更有效的监督。 （3 ）「改进的锚点匹配策略」（Improved Anchor Matching Strategy ） One-stage detector 由 于 在 输 出 层 分 配 有 密 集 的 anchor ， anchor 与 face 匹配 的好坏 直接影 响训练效 果 。优 图的研 究人 员 data augmentation 过程 中充分考虑了不 同大小的 face 和各 个 anchor 的关系 ，提出了一种新的数据扩增法。 DSFD 算法 该 算 法 已 被 计 算 机 视 觉 顶 级 会 议 CVPR 2019 接 收 ， 原 文 《DSFD Dual Shot Face Detector 》 由南 京 理 工 大 学 计 算 机 科 学 与 工 程 学 院 PCALab 与腾讯优图实验室合作完成。 在两个著名的人脸检测数据集 WIDER FACE 和 FDDB 的 5 个评测维度上 ，DSFD 算 法均刷新了当时的世界纪录 ，取得了 Top1 的人脸检测结果 ： WIDER FACE 评测结果 FDDB 评测结果 为了与更多同行探讨 DSFD 算法的实际应用 ，腾讯优图在近日公布了开源地址 ： Github 开 源 地 址 ： https ///TencentYoutuResearch/FaceDetection-DSF D 据了解 ，目前腾讯优图的人脸检测技术已在安防、金融、社交、交通等多个应用场景 落地 ，并在手机 QQ、微众银行、天天 P 图等多个公司内外部产品上进行应用验证。