人脸检测Retinaface算法原理详解

🤗关注公众号funNLPer白嫖畅读全文🤗

论文：RetinaFace: Single-stage Dense Face Localisation in the Wild
代码：official Implemented by mxnet detection/retinaface
代码：unofficial implemented by toch

RetinaFaces是一个单阶段人脸检测SOTA模型，被CVPR 2020 所接收。在前一篇文章 SSD目标检测算法详解 中，我们介绍了SSD算法的基本原理，本文虽然是人脸检测，但是其中的原理很大一部分与SSD算法都是相同的。本文通过对RetinaFace的原理和代码进行详细介绍，一方面来了解人脸检测的算法，另一方面进一步加深对SSD算法的理解。

1. RetinaFace算法原理

RetinaFace的主要贡献如下：

• 在single-stage设计的基础上，提出了一种新的基于像素级的人脸定位方法RetinaFace，该方法采用多任务学习策略，同时预测人脸评分、人脸框、五个人脸关键点以及每个人脸像素的三维位置和对应关系。

• 在WILDER FACE HARD子集上，RetinaFace的性能比目前 SOTA 的 two-stage 方法(ISRN)的AP高出1.1% (AP等于91.4%)。

• 在IJB-C数据集上，RetinaFace有助于提高ArcFace的验证精度(FAR=1e-6时TAR等于89:59%)，这表明更好的人脸定位可以显著提高人脸识别。

• 通过使用轻量级backbone网络（mobieNet），RetinaFace可以在VGA分辨率的图片上实时运行

1.1 数据集介绍<