0
点赞
收藏
分享

微信扫一扫

【深度学习】【SCRFD】人脸检测模型 Sample and Computation Redistribution for Efficient Face Detection

纽二 2022-03-31 阅读 184

论文:https://arxiv.org/pdf/2105.04714.pdf
代码:

文章目录

论文工作

指出训练数据采样和计算分布策略(training data sampling and computation distribution strategies)是高效和准确的人脸检测的关键,基于此提出:
(1)样本再分配(Sample Redistribution, SR),基于基准数据集的统计,在最需要的阶段增加训练样本;
(2)计算再分配(computing Redistribution, CR),它基于一种精心定义的搜索方法,在模型的脊柱、颈部和头部之间重新分配计算。

论文第一张图很重要,旨在表明SCRFD的计算量少,效果却非常好:
在这里插入图片描述
在困难的WIDER FACE 数据集样本里,一骑绝尘。
在这里插入图片描述

Sample Redistribution

在这里插入图片描述

通过修改随机尺寸到 [0.3, 2.0] ,在stride 8 中产生更多的正样本。 随着将更多的训练样本重新分配到小尺度上,可以更充分地训练用于检测微小人脸的分支。
在这里插入图片描述

Computation Redistribution

举报

相关推荐

0 条评论