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

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習模型，并在特征學習的過程中也有采用特征金字塔網(wǎng)絡(luò)（FeaturePyramidNetwork），但在面對遮擋、暗光、大姿態(tài)、小臉等復雜場景時，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（DilatedConvolution），設(shè)計了特征增強模塊FEM，充分學習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，包括更好的特征學習，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：FeatureEnhanceModule）

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widthanddepth上學習到了更有效的context和semantic信息。

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

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-stagedetector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練效果。優(yōu)圖的研究人員dataaugmentation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:DualShotFaceDetector》由南京理工大學計算機科學與工程學院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WIDERFACE和FDDB的5個評測維度上，DSFD算法均刷新了當時的世界紀錄，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)品上進行應用驗證。