加入極市專業(yè)CV交流群，與6000+來自騰訊，華為，百度，北大，清華，中科院等名企名校視覺開發(fā)者互動交流！更有機會與李開復老師等大牛群內互動！

同時提供每月大咖直播分享、真實項目需求對接、干貨資訊匯總，行業(yè)技術交流。點擊文末“”立刻申請入群~

轉載自我愛計算機視覺人臉檢測為目標檢測的特例，是商業(yè)化最早的目標檢測算法，也是目前幾乎各大CV方向AI公司的必爭之地。

WIDER FACE數(shù)據(jù)集是由香港中文大學發(fā)布的大型人臉數(shù)據(jù)集，含32,203幅圖像和393,703個高精度人臉包圍框，該庫中人臉包含尺度、姿態(tài)、表情、遮擋和光照等變化。

WIDER FACE 幾乎是目前評估人臉檢測算法最權威的數(shù)據(jù)集。

RetinaFace 是今年5月份出現(xiàn)的人臉檢測算法，當時取得了state-of-the-art，作者也開源了代碼，過去了兩個月，目前僅以極其微弱的精度差屈居第二名，但因為第一名的AInnoFace算法(來自北京創(chuàng)新奇智公司)沒有開源，所以目前RetinaFace可稱得上是目前最強的開源人臉檢測算法。

RetinaFace來自論文RetinaFace: Single-stage Dense Face Localisation in the Wild，作者來自帝國理工學院、InsightFace、Middlesex University London、FaceSoft。

極市曾有幸邀請本論文一作鄧健康博士進行線上分享，也對RetinaFace做了簡單介紹，回放視頻如下：第42期直播回放：鄧健康-CVPR2019:構建高效的人臉識別系統(tǒng)

相信很多朋友對InsightFace并不陌生，它是目前針對2D與3D人臉分析(含檢測、識別、對齊、屬性識別等)最知名和開發(fā)者最活躍的開源庫。RetinaFace代碼已經(jīng)并入該庫。

下圖為在WIDER FACE 數(shù)據(jù)集上驗證集三個子集的排名靠前的算法結果曲線和精度：

下圖為在WIDER FACE 數(shù)據(jù)集上測試集三個子集的排名靠前的算法結果曲線和精度：

在6個子集中，RetinaFace取得1個第一名，2個并列第1名，3個以極其微弱精度差屈居于第二名。

RetinaFace使用特征金字塔網(wǎng)絡架構：

其主要創(chuàng)新點在損失函數(shù)的設計。

下圖說明了RetinaFace的核心思想：

在人臉檢測多任務學習中，除了傳統(tǒng)的人臉分類損失函數(shù)和包圍框回歸損失函數(shù)，作者額外標注了人臉 5 點信息，并以此引入人臉對齊的額外監(jiān)督信息損失函數(shù)，還引入了self-supervised解碼分支預測3D人臉信息分支。

集合了更多監(jiān)督信息和自監(jiān)督信息，是 RetinaFace 取得成功的關鍵。

很多時候，人臉檢測是為了后續(xù)的識別，作者特意將檢測結果送入人臉驗證網(wǎng)絡，在IJB-C test set上測試結果表明可以提高ArcFace的人臉驗證精度(TAR=89.59% for FAR=1e-6)。

由上圖可知，相對于MTCNN，在助力人臉驗證上有一致性精度提高的表現(xiàn)。

更為難能可貴的是，使用輕量級骨干網(wǎng)絡，RetinaFace算法在CPU上測試VGA圖片可以達到實時。如下圖：

感謝作者的開源，歡迎給大佬加星！

論文地址：

https://arxiv.org/pdf/1905.00641.pdf

代碼地址：

https://github.com/deepinsight/insightface/tree/master/RetinaFace

-完-

*延伸閱讀

• 人臉檢測與識別的趨勢和分析

• 刷新WIDER Face多項記錄！創(chuàng)新奇智提出高性能精確人臉檢測算

• 以人為本的計算機視覺研究：WIDER Challenge 2019(人臉檢測/行人檢測/人物檢索)

---

點擊左下角“”，即可申請加入極市目標跟蹤、目標檢測、工業(yè)檢測、人臉方向、視覺競賽等技術交流群，更有每月大咖直播分享、真實項目需求對接、干貨資訊匯總，行業(yè)技術交流，一起來讓思想之光照的更遠吧~

△長按關注極市平臺

覺得有用麻煩給個在看啦~??

總結

以上是生活随笔為你收集整理的人脸检测算法_目前最强!开源人脸检测算法:RetinaFace的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。