人脸检测-- Face R-FCN + Face R-CNN

Detecting Faces Using Region-based Fully Convolutional Networks

本文使用 R-FCN 来进行人脸检测

R-FCN 相对于 Faster R-CNN 主要讲卷积层前移进行共享计算

人脸检测的挑战性：
人脸检测-- Face R-FCN + Face R-CNN

本文的 contributions：
1）提出基于R-FCN 的人脸检测防范： Face R-FCN
2）提出一个 novel position-sensitive average pooling 用于综合人脸各个特征信息
3）在 WIDER FACE dataset and FDDB dataset 性能优异

Face R-FCN framework
人脸检测-- Face R-FCN + Face R-CNN

Position-Sensitive Average Pooling
人脸不同的特征区域具有不同的权重
We believe such assumption that distinct regions on the face have different importance should also hold in face detection

Multi-Scale Training and Testing
multi-scale training and testing strategy to improve performance
采用 On-line Hard Example Mining (OHEM)

4 Experiments
WIDER FACE
人脸检测-- Face R-FCN + Face R-CNN

FDDB
人脸检测-- Face R-FCN + Face R-CNN

下面两篇文献都是基于 Faster R-CNN 来进行人脸检测的

Face Detection with the Faster R-CNN
https://arxiv.org/abs/1606.03473
https://github.com/playerkk/face-py-faster-rcnn

Face R-CNN
https://arxiv.org/abs/1706.01061

111