人脸检测state-of-the-art
发布时间
阅读量：
阅读量
paper with code排名。
其中Poly-NL基于non-local blocks毕竟硬核，未开源。
TinaFace、RetinaFace、AInnoFace都可以看出基于retinanet。
https://paperswithcode.com/sota/face-detection-on-wider-face-hard
TinaFace
作者认为人脸检测和目标检测一致的，直接用目标检测的方法即可。
作者只是在retinanet的基础上加了一个inception block和iou分支。
并行的inception block为多层3x3卷积用个进一步增加感受野。
代码：https://github.com/Media-Smart/vedadet/tree/main/configs/trainval/tinaface
RetinaFace
论文核心位在单阶段检测中统一输出人脸检测框、关键点和3D角点回归。
可以看出单看检测，在retinanet基础上增加了multi-scale context head。该模块来源于SSH和PyramidBox，区别是作将卷积换成了DCN。SSH也是多尺度+增加感受野的思想
代码：https://github.com/deepinsight/insightface/tree/master/detection/retinaface
AInnoFace
直接上retinanet做人脸检测。
总结
可以看出目前人脸检测以retinanet为基础，在此基础在fpn后增加一个block用于增加感受野。就是目前的最优网络。其他的优化策略，如iou分支、最新的loss都可以直接移植到人脸检测上来。
全部评论 (0)
还没有任何评论哟~