人脸检测——Compact CascadeCNN

本次介绍一篇速度爆表的人脸检测文章：

《2015 Arxiv: Compact Convolutional Neural Network Cascade for Face Detection》.

作者有一个github链接，https://github.com/Bkmz21/FD-Evaluation，但是里面只是评价工具并没有检测的工具。

评价： 速度是很快，但是性能应该来说比较差，只比公开的Opencv和Dlib略好，总体来看没有复现价值。另外，此方法较多使用了工程上的编程优化技巧，所以算法层面亮点不多。

—————————— 网络结构 ——————————

（1） 为了追求速度，作者放弃了太多。上面3个网络，依次只有797,1819和2923个参数，难怪性能这么差；

（2） 作者使用的是TanH激活，因为网络太小ReLU不好使。而且为了速度，作者使用了近似函数来逼近TanH：

（3） 虽然有3个网络，但为了速度(并行)，只是两阶的级联：即通过第一阶段的窗口会取一次镜像，然后分别送入stage2和stage3，最后的判别是综合stage2和stage3的结果。

（4） stage2和stage3实际的输入是 \(51\times55\) ，这样最后得到的就是 \(5\times5\) 的feature map，然后按照下式统计整个feature map 中有多少满足阈值，据此判断窗口是不是人脸：

—————————— 流程图 ——————————

—————————— 实验结果 ——————————

上面这个图——，我下意识的就觉得最高的应该是本文的，后来才发现不是。不过，性能确实差太多。作者那个github主页上有演示视频，效果和opencv有一拼。T_T

速度很快，但是。。。