超越RetinaFace，腾讯优图 ASFD 已在 WIDER FACE 霸榜半年！ 点击上方，选择星标或置顶，不定期资源大放送！ 阅读大概需要15分钟 Follow小博主，每天更新前沿干货 基于世界权威的人脸检测公开评测集 WIDER FACE『http://shuoyang1213.me/WIDERFACE/WiderFace_Results.html』的两张性能测试图，以 RetinaFace 为标杆，寻找所谓的比它性能更好的人脸检测算法。 首先先介绍 RetinaFace，出自论文『RetinaFace: Single-stage Dense Face Localisation in the Wild』，作者提出一个鲁棒的人脸检测器：RetinaFace，通过利用额外监督和自监督多任务联合学习的优势，对不同尺度的人脸进行 pixel-wise 人脸定位。 在 WIDER FACE Hard 测试集上，RetinaFace 当时比最先进的平均精度（AP）高出1.1%（实现AP等于91.4%）。 在 IJB-C 测试集上，RetinaFace 可以使最先进的方法(ArcFace)在人脸验证中提高它原来的结果(FAR=1e-6时，TAR=89.59%)。 作者 |Jiankang Deng,Jia Guo,Yuxiang Zhou,Jinke Yu,Irene Kotsia,Stefanos Zafeiriou 单位 |帝国理工学院；InsightFace；英国密德萨斯大学；FaceSoft论文 |https://arxiv.org/abs/1905.00641 代码 |https://github.com/deepinsight/insightface/tree/master/RetinaFacearxiv提交日期 |2019 年5 月再来看看当前WIDER FACE 的性能测试排名。验证集性能结果：测试集性能结果：从以上两张性能图中，得出 ASFD、MaskFace、RefineFace、AInnoFace 的结果略优于 RetinaFace。但其中 MaskFace 不管是在验证集还是测试集中的 Hard 都低于 RetinaFace，AInnoFace 在测试集中的 Hard 也低于 RetinaFace。下面我们就来详细认识认识这四款人脸检测算法。 01 ASFD ASFD，出自论文『ASFD: Automatic and Scalable Face Detector』，ASFD 是一种新型的自动和可扩展的人脸检测器，基于神经架构搜索技术以及新的损失函数设计的结合。目前在 WIDER FACE 的 Easy、Medium 和 Hard 三个评测子集的六项评估结果中五项排名第一（验证集的 Easy 中排名第二）。轻量级 ASFD-D0 在使用 MobileNet 处理 VGA 分辨率图像时的运行速度超过 120 FPS。 作者 |Bin Zhang,Jian Li,Yabiao Wang,Ying Tai,Chengjie Wang,Jilin Li,Feiyue Huang,Yili Xia,Wenjiang Pei,Rongrong Ji 单位 | 腾讯优图；东南大学；厦门大学论文 |https://arxiv.org/abs/2003.11228arxiv提交日期 |2020年3月 02 RefineFaceRefineFace，出自论文『RefineFace: Refinement Neural Network for High Performance Face Detection』。RefineFace 由 5 个模块组成： Selective Two-step Regression (STR)Selective Two-step Classification (STC)Scale-aware Margin Loss (SML)Feature Supervision Module (FSM)Receptive Field Enhancement (RFE)STR 提高定位精度；STC提高分类能力，实现高召回效率；SML 来区分不同比例的人脸和背景，并引入FSM 来让骨干学习更多的判别特征进行分类；RFE 提供更多样化的感受野，更好地捕捉一些极端姿势下的人脸。 在 WIDER FACE、AFW、PASCAL Face、FDDB、MAFA 上验证结果都达到 SOTA，并在 ResNet-18 上以 37.3 FPS 的速度运行 VGA 分辨率的图像。 作者|ShifengZhang,ChengChi,ZhenLei,StanZ.Li 单位|中科院自动化所；国科大 论文|https://arxiv.org/abs/1909.04376 arxiv提交日期|2019年9月 03 AInnoFaceAInnoFace 出自论文『Accurate Face Detection for High Performance』，在其刚问世时，在 WIDER FACE 的 Easy、Medium 和 Hard 三个评测子集的六项评估结果中排名第一。 作者|FaenZhang,XinyuFan,GuoAi,JianfeiSong, YongqiangQin,JiahongWu 单位|创新奇智 论文|https://arxiv.org/abs/1905.01585 arxiv提交日期|2019年5月 04 MaskFaceMaskFace 出自论文『MaskFace: multi-task face and landmark detector』，是一个高精度的人脸和关键点检测模型，通过增加一个关键点预测头，扩展了以往的人脸检测方法。新的关键点头采用了 Mask R-CNN 的思想，通过 RoIAlign 层提取面部特征。在图像中人脸较少的情况下，关键点头增加了较小的计算开销，同时大幅提高了精度。 作者|DmitryYashunin,TamirBaydasov,RomanVlasov 单位|Harman 公司 论文|https://arxiv.org/abs/2005.09412 arxiv提交日期|2020年5月 重磅！DLer-计算机视觉交流2群已成立！ 大家好，这是DLer-计算机视觉微信交流2群！首先非常感谢大家的支持和鼓励，我们的计算机视觉交流群正在不断扩大人员规模！希望以后能提供更多的资源福利给到大家！欢迎各位Cver加入DLer-计算机视觉微信交流大家庭。 本群旨在学习交流图像分类、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。希望能给大家提供一个更精准的研讨交流平台！！！ 进群请备注：研究方向+学校/公司+昵称（如图像分类+上交+小明） ??长按识别添加，即可进群！