人脸检测算法总结：SSH

最新推荐文章于 2022-06-17 10:45:08 发布

原创

最新推荐文章于 2022-06-17 10:45:08 发布 · 2.1k 阅读

3 ·

CC 4.0 BY-SA版权

SSH（Single Shot MultiBox Head）是一种轻量级的人脸检测器，采用单阶段检测，避免了两阶段方法的复杂性。它在分类网络的不同层上添加检测分支，以处理不同尺度的人脸。SSH通过context module提升检测效果，并使用不同stride的检测分支来实现尺度不变性。训练过程中，SSH针对不同尺度的anchor分配到相应分支进行优化，损失函数包括分类和回归损失。该算法在多个人脸检测数据集上表现出优秀的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

人脸检测算法：Single stage Headless Face Detector

学习人脸检测算法，其实主要是为了前一段时间参加了云从科技的人头计数比赛，然后就看了一些针对人脸检测算法的论文，在这里总结一下。
整个算法和SSD类似，均为one-stage，并且直接在featuremap金字塔上做预测，每个featuremap中的anchor尺度不同,这一点完全和SSD的思路一样。
总体结构：

在这里插入图片描述
上为SSH的流程图。在分类网络各层feature map后面连接三个检测分支，通过全卷积而非全连接层做人脸检测和bbox分类。三个分支的stride分别为8,16,32.检测分支有连个全卷积网络分别用于分类和bbox回归。
SSH在anchor 上的操作基本上和RPN一致，区别在于仅用了一个长宽比，即每个feature map上的anchor总数为W×H×k，k为尺度。
在这里插入图片描述
检测分支如图3所示，包含一个context module用于提升有效感受野，context module的输出通道数目X在分支M1设置为128，M2M3为256。二者结果concat之后，接两个1×1的卷积，用于bbox回归和分类。具体的输出维度为2×k，和4×k。
Scale Invariance Design：
如图2所示，三个检测分支中，M2使用的是VGG中conv5-3的feature map。M1基于feature map的融合，使用更大尺度的conv4-3融合双线性插值上采样后的conv5-3.同时使用1×1的卷积将channels减少到128，以减少计算量。M3用于检测最大尺度的人脸，在conv5-3上使用stride2的Maxpooling，将feature map的stride变为32×32。再接检测分支M3.
context module：
之前的two-stage检测器，通过增大proposal的尺度来获取上下文信息，SSH通过简单的conv层叠也可以达到类似的效果；如图4所示：基于使用更大的filter就可以获得更大感受野的思路，在context module中使用5×5和7×7的，同时为了减