【每周CV論文推薦】 深度學習人臉檢測入門必讀文章

• 2019 年 10 月 11 日
• 筆記

歡迎來到《每周CV論文推薦》。在這個專欄里，還是本着有三AI一貫的原則，專註於讓大家能夠系統性完成學習，所以我們推薦的文章也必定是同一主題的。

人臉圖像是整個圖像處理領域裏面研究時間最長，應用最廣的方向，今天給大家介紹入門深度學習人臉檢測必讀的文章。

作者&編輯 | 言有三

1 Faceness-Net

傳統的人臉檢測算法有一類是分別檢測人臉各個組件，然後融合，深度學習早期也有文章做同樣的研究，即Faceness-Net。作為最早期的嘗試，感興趣的同學可以簡單閱讀。

文章引用量：40+

推薦指數：✦✦✦✧✧

[1] Yang S, Luo P, Loy C C, et al. Faceness-net: Face detection through deep facial part responses[J]. IEEE transactions on pattern analysis and machine intelligence, 2017, 40(8): 1845-1859.

2 Cascade CNN

Cascade CNN來源於2015年CVPR上的一篇論文A Convolution Neural Network Cascade for Face Detection，可以認為是傳統技術和深度網絡相結合的一個代表，和VJ人臉檢測器一樣，其包含了多個分類器，這些分類器採用級聯的結構進行組織，不同之處在於Cascade CNN使用卷積網絡作為每一級的分類器。

文章引用量：600+

推薦指數：✦✦✦✦✦

[2] Li H, Lin Z, Shen X, et al. A convolutional neural network cascade for face detection[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2015: 5325-5334.

3 MTCNN

MTCNN同Cascade CNN一樣也是基於Cascade的框架，但是整體思路更加巧妙合理，並且將人臉檢測和人臉關鍵點檢測任務同時完成。

文章引用量：900+

推薦指數：✦✦✦✦✦

[3] Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks[K. Zhang al., 2016

4 RCNN系列的應用

Faster RCNN是一個很好的框架，自然會被用於人臉檢測，而在線負樣本挖掘，center loss等策略可以讓Faster RCNN框架更好地被應用於人臉檢測任務。

文章引用量：200+

推薦指數：✦✦✦✧✧

[4] Jiang H, Learned-Miller E. Face detection with the faster R-CNN[C]//2017 12th IEEE International Conference on Automatic Face & Gesture Recognition (FG 2017). IEEE, 2017: 650-657.

[5] Wang H, Li Z, Ji X, et al. Face R-CNN[J]. 2017.

5 DenseBox

Densebox是一個多尺度的FCN框架，不基於Anchor機制，直接在圖像上預測出目標的邊框及類別，通過與人臉關鍵點任務的配合可以提高檢測的精度。

文章引用量：100+

推薦指數：✦✦✦✧✧

[6] Huang L, Yang Y, Deng Y, et al. Densebox: Unifying landmark localization with end to end object detection[J]. arXiv preprint arXiv:1509.04874, 2015.

6 如何獲取文章與交流

找到有三AI開源項目即可獲取。

https://github.com/longpeng2008/yousan.ai

總結

人臉檢測屬於目標檢測任務中的一種，但是又有它的獨特性，往後我們將推薦人臉檢測中多尺度，多姿態，遮擋等子問題的文章。