近年來，卷積神經(jīng)網(wǎng)絡(luò)在人臉檢測中取得了很大的成功，然而這些方法在處理人臉中多變的尺度，姿態(tài)，遮擋，表情，光照等問題時依然比較困難。為此，騰訊優(yōu)圖推出名為DSFD （中文名為雙分支人臉檢測器）的全新算法，該算法在著名人臉檢測數(shù)據(jù)集上取得喜人結(jié)果，如今騰訊優(yōu)圖決定將之進行開源。

　　騰訊優(yōu)圖的研究員們發(fā)現(xiàn)，雖然之前的人臉檢測算法大都采用深度學(xué)習(xí)模型，并在特征學(xué)習(xí)的過程中也有采用特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network），但在面對遮擋、暗光、大姿態(tài)、小臉等復(fù)雜場景時，仍容易出現(xiàn)誤檢或漏檢的情況。因此，在 FPN 基礎(chǔ)上，騰訊優(yōu)圖團隊采用了 3 種不同級聯(lián)方式的空洞卷積（Dilated Convolution），設(shè)計了特征增強模塊 FEM，充分學(xué)習(xí)到了不同感受野下的人臉特征。

　　本文提出了一種新的方法，分別處理了人臉檢測方向的三個關(guān)鍵點，包括更好的特征學(xué)習(xí)，漸進式的損失函數(shù)設(shè)計以及基于錨點分配的數(shù)據(jù)擴充：

　　（1）新的「特征增強」模塊（FEM：Feature Enhance Module）

　　FEM 在采用 Top-Down 層間信息融合的同時，在同一「感受野」內(nèi)做了更多的 enhancement。因此在 width and depth 上學(xué)習(xí)到了更有效的 context 和 semantic 信息。

　　（2）「分層錨點漸進」式的代價函數(shù)監(jiān)督（PLA：Progressive Anchor Loss）

　　模型采用 2 個層級（hierarchy），基于第一層（low-level）和第二層（high-level）的差異性，適配了不同尺寸的 anchor。在訓(xùn)練過程中，PAL 對整個模型形成了更有效的監(jiān)督。

　　（3）「改進的錨點匹配策略」（Improved Anchor Matching Strategy）

　　One-stage detector 由于在輸出層分配有密集的 anchor，anchor 與 face 匹配的好壞直接影響訓(xùn)練效果。優(yōu)圖的研究人員 data augmentation 過程中充分考慮了不同大小的 face 和各個 anchor 的關(guān)系，提出了一種新的數(shù)據(jù)擴增法。

DSFD 算法

　　該算法已被計算機視覺頂級會議 CVPR 2019 接收，原文《DSFD: Dual Shot Face Detector》由南京理工大學(xué)計算機科學(xué)與工程學(xué)院 PCALab 與騰訊優(yōu)圖實驗室合作完成。

　　在兩個著名的人臉檢測數(shù)據(jù)集 WIDER FACE 和 FDDB 的 5 個評測維度上，DSFD 算法均刷新了當(dāng)時的世界紀錄，取得了 Top1 的人臉檢測結(jié)果：

WIDER FACE 評測結(jié)果

FDDB 評測結(jié)果

　　為了與更多同行探討DSFD 算法的實際應(yīng)用，騰訊優(yōu)圖在近日公布了開源地址：

　　Github 開源地址：https://github.com/TencentYoutuResearch/FaceDetection-DSFD

　　據(jù)了解，目前騰訊優(yōu)圖的人臉檢測技術(shù)已在安防、金融、社交、交通等多個應(yīng)用場景落地，并在手機 QQ、微眾銀行、天天 P 圖等多個公司內(nèi)外部產(chǎn)品上進行應(yīng)用驗證。

總結(jié)

以上是生活随笔為你收集整理的曾刷新两项世界纪录，腾讯优图人脸检测算法 DSFD 正式开源的全部內(nèi)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(nèi)容還不錯，歡迎將生活随笔推薦給好友。