4,在FDDB和WIDER FACE數(shù)據(jù)集上的實驗表明,我們提出的DSFD網(wǎng)絡(luò)是最好的算法。 特征學(xué)習 ,人臉檢測的早期工作主要依賴手工設(shè)計的特征,例如哈爾特征,控制點設(shè)置,邊緣方向直方圖。 然而,手工設(shè)計的特征缺少引導(dǎo)。
大家好,今天給大家分享一篇人臉算法領(lǐng)域非常知名的paper,RetinaFace (RetinaFace: Single-stage Dense Face Localisation in the Wild)。 同時也在文末附上開源項目的鏈接。
這表明了(1)人臉檢測和對準會嚴重影響人臉識別性能,并且(2)對于人臉識別應(yīng)用,RetinaFace比MTCNN具有更強的基準。 在圖9中,我們在每個圖例的末尾顯示了IJB-C數(shù)據(jù)集上的ROC曲線以及FAR = 1e-6的TAR。
常見的人臉關(guān)鍵點檢測算法中,其損失函數(shù)一般都是 L2 Loss(如下圖左側(cè)所示,其中的 用來控制各個關(guān)鍵點的權(quán)重)。 作者考慮到現(xiàn)有數(shù)據(jù)集中極端情況的樣本數(shù)量少,故對旋轉(zhuǎn)角度大的樣本給予更大的 Loss 權(quán)重(如下圖右側(cè)所示,),以此緩解所存在的數(shù)據(jù)樣本分布不平衡的問題。