人脸检测:SCRFD论文解析
发布网友
发布时间：3小时前
共1个回答
热心网友
时间：1小时前
2021年的insightface提出了一个高效且精确的人脸检测模型——SCRFD，至今仍为Face Detection的首选算法。它兼顾速度与精度，值得学习和应用。论文《Sample and Computation Redistribution for Efficient Face Detection》的核心创新在于数据采样和计算分配策略。
论调了两个关键点：训练数据采样策略通过放大微小人脸数据，提升检测效果；而计算分配则涉及减少模型搜索空间，以提高效率。在WIDER FACE数据集的实验中，提出的SCRFD家族表现出在SOTA的性能平衡，如SCRFD-34GF在精度上比TinaFace高出3.86%，同时在VGA分辨率下速度提升3倍以上。
研究中，目标在于在固定0*480分辨率下进行高效人脸检测，降低计算成本。通过样本放大裁剪策略，增加小人脸的训练样本，同时通过优化模型结构，如在主干、颈部和头部分配计算资源，以实现高效性能。实验表明，我们的方法在WIDER FACE上优于其他先进算法，如DSFD、RetinaFace等，展示了在精度和效率上的显著提升。
总结来说，本文贡献了一个有效的人脸检测方法，通过样本重分配和计算重分配，使得模型在不同计算资源下都能达到更好的性能，特别是在高精度需求的场景下，展示了其优势。
