达摩院开源人脸检测榜首模型MogFace

Posted 2023-03-03 turingbooks

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了达摩院开源人脸检测榜首模型MogFace相关的知识，希望对你有一定的参考价值。

开源

论文链接

https://openaccess.thecvf.com/content/CVPR2022/papers/Liu_MogFace_Towards_a_Deeper_Appreciation_on_Face_Detection_CVPR_2022_paper.pdf

模型&代码

https://modelscope.cn/models/damo/cv_resnet101_face-detection_cvpr22papermogface/summary

简易应用

https://modelscope.cn/studios/damo/face_album/summary

背景

人脸检测算法是在一幅图片或者视频序列中检测出来人脸的位置，给出人脸的具体坐标，一般是矩形坐标。它是人脸关键点、属性、编辑、风格化、识别等模块的基础。

本文通过实验观察发现，对应设计出如下三个模块构建出一个高性能的人脸检测器MogFace：

1. 动态标签分配策略（dynamic label assignment）

2. 误检上下文相关性分析（FP context analysis）

3. 金字塔层级监督信号分配（pyramid layer level GT assignment）

该方法的模型在 WIDER FACE 榜单上取得了截至目前将近两年的六项第一。

观察

动态标签分配策略

（dynamic label assignment）

为每个anchor点定义cls和reg目标是训练检测器的必要过程，在人脸检测中这个过程称之为标签分配（Label Assignment）。

最近，标签分配吸引了诸多研究人员的注意，在人脸检测及通用物体检测领域提出了一系列方法，例如：OTA、PAA，ATSS以及HAMBox。

如示例图(a)，标签分配过程依赖4个元素。分别是：

1. offline information:

a. IoU (anchor与ground-truth框的IoU) ，

b. CPD (anchor与ground-truth中心点的距离)

2. online information:

a. PCS (cls分支对anchor的前景分类概率值)

b. PLC (reg分支对anchor的预测坐标值)

但是，目前的标签分配方法存在三个问题。

1. 若只用offline information做静态标签分配，那么会有很多具备更强回归能力的negative anchor无法被有效利用起来，会导致标签分配策略欠饱和。

2. 若过度信任online information动态调整正负anchor时（如OTA和Hambox），由于online information属于预测信息可信度不高，会导致标签分配策略错误多，极端情况下会陷入trivial 的分配结果。

3. 若引入大量超参（K in ATSS, alpha in OTA）做标签分配，则当数据集分布发生变化时，需要大量的调参时间。

误检上下文相关性分析

（FP context analysis）

在实际应用中，人脸检测器并不会十分care AP的指标，而对误检（false positive [FP]）的数量十分敏感。

针对这个问题，目前的做法是收集大量带有FP的图片去fine-tune或者from scratch训练检测器，来帮助检测器了解更多范式的FP，但是我们发现有些频繁出现在训练集中的的FP在这种策略下无法有效解决。

这篇文章，我们发现了一个有趣的现象：对于同一个FP，当它的context发生变化时，对于同一个检测器来说它可能就不是FP了。

如下图(c)，最左面的图片里日历是FP，剩余两张日历都不是FP。

金字塔层级监督信号分配

（pyramid layer level GT assignment）

scale-level 数据增强策略常常作通用物体检测以及人脸检测中解决scale variance主要手段。如图(b)所示，相对于COCO，人脸检测数据集Wider Face 中人脸的尺度分布更为严峻。

为此，我们分提出了一个新的问题，如何合理的分配ground-truth 在不同pyramidlayer上的分布？即检测器的性能与每个pyramidlayer匹配ground-truth的个数之间的关系是什么？是否越多越好？

通过严格的对比实验我们发现：“对于所有的pyramid layer来说，并不是这个pyramid layer匹配到越多的ground-truth就越好”。

这说明要挖掘每一个pyramidlayer的最好性能，需要控制在这个pyramidlayer上的ground-truth分配的比例。

方法

Adaptive Online Incremental Anchor Mining Strategy (Ali-AMS)

针对上述“动态标签分配策略（dynamic label assignment）”观察分析，本文提出了在里面一种自适应的在线增量锚挖掘策略（Ali-AMS），它基于standard anchor matching 策略，并进一步adaptive 帮助outlier face匹配anchor。如下：

Hierachical Context-Aware Module (HCAM)

基于上述“误检上下文相关性分析（FP context analysis）”观察分析，发现“对于同一个FP，当它的context发生变化时，对于同一个检测器来说他可能就不是FP了”，我们进一步提出了一个two-step的模块来显示的encode context 信息来帮助区分FP和TP，显著减少了FP的数量。

Selective Scale Enhancement Strategy （SSE）

基于上述的“金字塔层级监督信号分配（pyramid layer level GT assignment）”观察分析，发现“对于所有的pyramid layer来说，并不是这个pyramid layer匹配到越多的ground-truth就越好”，我们提出通过控制pyramid layer 匹配的ground-truth的数量来最大化pyramid layer 的性能。