论文地址：https://arxiv.org/pdf/1708.05234.pdf。
一、概况
论文的主要贡献：
- 设计了Rapidly Digested Convolutional Layers， RDCL，使得人脸检测在CPU上达到实时。
- 引入了Multiple Scale Convolutional Layers，MSCL，通过丰富感受野和在不同的层离散化anchors来处理人脸的多尺度问题。
- 提出了一种新的anchor稠密化策略，来提升小人脸的召回率。
- 提升了在AFW、PASCAL face和FDDB数据集上的state-of-the-art性能。
二、RDCL
RDCL用于快速减小输入图像的尺寸。Conv1、Pool1、Conv2、Pool2的步长是4、2、2、2，因此RDCL部分总共的步长是32，也就是说输入图像经过RDCL之后会快速的缩小32倍。
小的kernel size可以加速计算，但是大的kernel size可以减少信息损失，为取得二者的平衡，Conv1、Conv2和所有Pool层的kernel size分别是7 x 7、5 x 5和3 x 3。
为减少输出通道数，使用C.ReLU**函数。
三、MSCL
MSCL由多个层组成，其中3个Inception模块，4个卷积层。这些层逐渐减小尺寸并形成多尺度特征图，最终的多尺度特征图由Inception3、Conv3_2、Conv4_2引出。
几个Inception模块可以丰富特征图的感受野。
四、Anchor densification strategy
文中anchor默认的长宽比是1:1，3个Inception层的anchor尺度分别是32,64,128，Conv3_2和Conv4_2的anchor尺度分别是256和512。
定义anchor的密度为
其中，是anchor的尺度，
是anchor的平铺间隔，文中默认是32,32,32,64和128。因此，对应的密度为1,2,4,4,4。可以看到不同尺度的anchor的密度是不平衡的，小的anchor相对于大的anchor来说就太稀疏了，这将会导致小的人脸召回率较低。
为减少这种不平衡，作者设计了一种新的anchor稠密化策略。为使某个尺度的anchor变成n倍密度，就在一个感受野的中心周围均匀地平铺个anchor。论文中将32 x 32的anchor的密度变成原来的4倍，将64 x 64的anchor密度变成原来的2倍，这样就可以和大尺度的anchor密度保持一致了。
五、训练
5.1 训练数据集
作者在WIDER FACE 12880张图片的训练集上进行训练。
5.2 数据增强
- 颜色扭曲。
- 随机裁剪：从原图像上随机裁剪5个方形patches，其中一个是尺寸最大的patch，其他的在[0.3,1]的区间随机选择一个数乘以原图的短边。然后随机选择一个patch进行下面的操作。
- 将上一步选中的patchresize到1024 x 1024。
- 以0.5的概率水平翻转patch。
- 如果人脸box的中心位于上面处理patch中，保留box的重叠部分，然后过滤掉这些高度或宽度小于20像素的box。
5.3 匹配策略
首先将每个人脸和anchor使用最佳的jaccard overlap策略配对，然后保留anchor与任意人脸的jaccard overlap大于阈值（例如0.35）的保留下来。
5.4 损失函数
同Faster R-CNN。二分类softmax分类损失和smooth L1回归损失。
5.5 难例负样本挖掘
大量的负样本导致正负样本数量不平衡，将它们以loss进行排序，只选择前面的数个样本，保证正负样本的比例为1:3。
5.6 其他实施细节
所有参数使用“xavier”方法进行初始化。优化器是SGD，momentum 0.9，weight decay 0.0005，batch size 32.训练迭代120k次，前80k次迭代的学习率是，80k-100k的学习率是
，最后20k的学习率是
。
六、实验