目前最强开源人脸检测算法RetinaFace

jujusharp  •  Jul 10, 2019 8:45:49 AM

原文地址


点击我爱计算机视觉标星,更快获取CVML新技术


人脸检测为目标检测的特例,是商业化最早的目标检测算法,也是目前几乎各大CV方向AI公司的必争之地。

WIDER FACE数据集是由香港中文大学发布的大型人脸数据集,含32,203幅图像和393,703个高精度人脸包围框,该库中人脸包含尺度、姿态、表情、遮挡和光照等变化。

WIDER FACE 几乎是目前评估人脸检测算法最权威的数据集。

RetinaFace 是今年5月份出现的人脸检测算法,当时取得了state-of-the-art,作者也开源了代码,过去了两个月,目前仅以极其微弱的精度差屈居第二名,但因为第一名的AInnoFace算法(来自北京创新奇智公司)没有开源,所以目前RetinaFace可称得上是目前最强的开源人脸检测算法。

RetinaFace来自论文RetinaFace: Single-stage Dense Face Localisation in the Wild,作者来自帝国理工学院、InsightFace、Middlesex University London、FaceSoft。

相信很多朋友对InsightFace并不陌生,它是目前针对2D与3D人脸分析(含检测、识别、对齐、属性识别等)最知名和开发者最活跃的开源库。RetinaFace代码已经并入该库。

下图为在WIDER FACE 数据集上验证集三个子集的排名靠前的算法结果曲线和精度:

下图为在WIDER FACE 数据集上测试集三个子集的排名靠前的算法结果曲线和精度:

在6个子集中,RetinaFace取得1个第一名,2个并列第1名,3个以极其微弱精度差屈居于第二名。

RetinaFace使用特征金字塔网络架构:

其主要创新点在损失函数的设计。

下图说明了RetinaFace的核心思想:

在人脸检测多任务学习中,除了传统的人脸分类损失函数和包围框回归损失函数,作者额外标注了人脸 5 点信息,并以此引入人脸对齐的额外监督信息损失函数,还引入了self-supervised解码分支预测3D人脸信息分支。

集合了更多监督信息和自监督信息,是 RetinaFace 取得成功的关键。

很多时候,人脸检测是为了后续的识别,作者特意将检测结果送入人脸验证网络,在IJB-C test set上测试结果表明可以提高ArcFace的人脸验证精度(TAR=89.59% for FAR=1e-6)。

由上图可知,相对于MTCNN,在助力人脸验证上有一致性精度提高的表现。

更为难能可贵的是,使用轻量级骨干网络,RetinaFace算法在CPU上测试VGA图片可以达到实时。如下图:

感谢作者的开源,欢迎给大佬加星!

论文地址:

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

代码地址:

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


CV专业交流群

52CV已经建立多个CV专业交流群,包括:目标检测、语义分割、姿态估计、人脸识别检测、医学影像处理、超分辨率、神经架构搜索、GAN、强化学习等,扫码添加CV君拉你入群,

(请务必注明相关方向,比如:人脸检测)

喜欢在QQ交流的童鞋,可以加52CV官方QQ群:702781905。

(不会时时在线,如果没能及时通过验证还请见谅)


长按关注我爱计算机视觉

0 回复
暂时没有回复,你也许会成为第一个哦