CVPRFeb, 2018

从鲁棒锚点的角度观察小尺度人脸

PDF
TL;DR本文介绍一种新的 anchor 设计，用于支持基于 anchor 的人脸检测，并提升其在微小脸部的尺度不变性表现。新的 “期望最大重叠”（EMO）得分被提出，可以理论上解释低重叠问题，并启发几种新的 anchor 设计策略。 经过全面的实验测试，新的方法显著优于基线 anchor 检测器，同时以竞争性的运行时间速度持续取得挑战性人脸检测数据集的最先进成果。
anchor designface detectionscale-invariant performancetiny facesexpected max overlapping (emo)
发现论文，激发创造
  • HAMBox：探索在线高质量锚点挖掘以检测外部人脸

    本文提出了一种基于高质量锚点挖掘策略 (HAMBox) 的单阶段人脸检测方法，该方法能明确帮助外部面部获得高质量的锚点，并在各种数据集上表现优异。

    Dec, 2019

  • 在困难图像上训练小面孔以实现强大的人脸检测

    本文提出了一种基于锚点的深度人脸检测器，通过在 hard images 上学习 small faces，并采用新型的 hard image mining 训练方法，在 WIDER FACE、FDDB、Pascal Faces 和 AFW 数据集上进行了实验，证明了该方法对 hard faces 检测的有效性。

    Nov, 2018

  • 目标检测中的锚框优化

    本文提出了一种优化锚盒形状以提高目标检测精度的方法，通过动态学习锚盒形状来适应数据分布和网络学习能力，该方法对训练成本几乎没有额外开销，且能够在多个基准数据集上实现显著的改进。

    Dec, 2018

  • AnchorFace：大姿态下基于锚点的人脸特征点检测器

    提出一种基于分离和汇聚策略的面部标记定位方法，名为 AnchorFace，通过参考回归锚定模板和聚合结果降低面部姿态变化对结果的影响，在 AFLW、300W、Menpo 和 WFLW 数据集上取得了最先进的成果和高效的推理速度。

    Jul, 2020

  • PyramidBox++：用于检测微小人脸的高性能检测器

    本研究通过 Balanced-data-anchor-sampling、Dual-PyramidAnchors 和 Dense Context Module 等技术的应用，提出了 PyramidBox++ 算法用于进一步提高人脸检测性能，取得了最佳性能。

    Mar, 2019

  • 中心缩放预测：用于行人和人脸检测的无锚点方法

    本文提出了一种新的视角，即通过高级语义特征检测任务来检测对象，通过卷积实现中心和比例预测来简化行人和人脸检测，使其无需使用窗口分类器或基于锚箱的预测方式，并展现了在多项挑战性基准测试中具有竞争力的准确性以及卓越的泛化能力。

    Apr, 2019

  • 微小人物检测的比例匹配

    本研究提出了一个名为 TinyPerson 的新基准，针对大规模图像中的微小对象（例如少于 20 像素的微小人物），引入了远距离和大背景下微小目标检测的有前途的方向，并且通过采用简单而有效的比例匹配方法，在避免特征表示和检测器退化的同时获得了显著的性能提升，并且进一步展示了 TinyPerson 与真实世界场景相关的挑战。

    Dec, 2019

  • KPNet：面部检测的极简解决方案

    KPNet 提出了一种基于小型神经网络检测面部关键点的方法，可以快速准确地推断面部边界框的位置，其具有实时性和较高的准确率。

    Mar, 2020

  • AABO: 基于贝叶斯子采样的适应锚框优化目标检测

    本文研究了自动优化目标检测锚点的问题，提出了一种结合贝叶斯优化和子采样方法的新型超参数优化方法 AABO，已在不同的检测器和数据集上进行了实验，并证明了通过优化锚点配置可提高 1.4% 至 2.4% 的最大平均精度（mAP），如将 Mask RCNN 从 40.3% 提高到 42.3%，HTC 检测器从 46.8% 提高到 48.2%。

    Jul, 2020

  • 高性能精准人脸检测

    本篇研究通过 Intersection over Union (IoU) 回归的损失函数，两步分类和回归的检测方法，数据基于数据锚采样的增强，采用分类的最大输出操作，并且采用多尺度的测试策略在一个阶段的 RetinaNet 方法中应用一些技巧，从而获得高性能的人脸检测器。实验表明该算法在 WIDER FACE 数据集上的表现优于现有算法。

    May, 2019