论文笔记|[论文笔记] YOLO5Face 阅读笔记

2022-10-09 论文笔记人工智能深度学习计算机视觉

YOLO5Face 阅读笔记

YOLO5Face: Why Reinventing a Face Detector（ECCV 2022）
- 摘要
- YOLO5Face Face Detector
- - Network Architecture（网络架构）
  - Key Modification（主要修改）
  - Landmark Regression（Landmark 回归）
  - Stem Block Structure（Stem 块结构）
  - SPP with Smaller Kernels（更小kernel的SPP）
  - P6 Output Block（增加高层特征图）
  - ShuffleNetV2 as Backbone（不同的 backbone）
- 实验结果

YOLO5Face: Why Reinventing a Face Detector（ECCV 2022） 【论文笔记|[论文笔记] YOLO5Face 阅读笔记】论文链接：论文链接
代码链接：代码链接

可以直接在检测器后面添加 head 用于 landmark回归，可以和车牌检测联想起来

摘要

动机：不重新设计人脸检测器，而是在YOLOv5的基础上进行设计
方法：添加 5 个 landmark 回归头，使用 Wing loss 函数

YOLO5Face Face Detector Network Architecture（网络架构）

网络架构图：由backbone、neck和head组成。在YOLOv5中，使用了一个新设计的骨干网，称为CSPNet。在neck，一个SPP和一个PAN被用来聚合特征。在head，使用回归和分类分支

文章图片

Key Modification（主要修改）

landmark 回归头：在 YOLOv5 网络中添加了一个 landmark 回归头。Wing损失被用作它的损失函数
Stem 块：用 Stem 块结构取代了 YOLOv5 的focus 层。它增加了网络的泛化能力，并降低了计算的复杂性，同时性能也没有下降
SPP 块：更改 SPP 块使用更小的 kernel，使YOLOv5更适合人脸检测，提高检测精度
P6 输出块：增加了一个 stride 为 64 的 P6 输出块。它提升了检测大型人脸的能力
数据增强：一些通用对象检测的数据增强方法不适用于人脸检测，包括上下翻转和马赛克。而随机裁剪有助于提高性能
轻量级模型：在 ShuffleNetV2 的基础上设计了两个超轻量级的模型。ShuffleNetV2 与 CSP 网络差别很大，它的模型很小，实现了嵌入式或移动设备的SOTA性能

Landmark Regression（Landmark 回归）

landmark 输出将被用于对齐人脸图像，然后再输入到人脸识别网络
Wing loss：
- 使用 wing loss 的原因：与 L2、L1 或 Smooth-L1 函数相比，Wing loss 在接近零的小误差区域的响应得到了提升
- 定义：
  w i n g ( x ) = { w ? l n ( 1 + ∣ x ∣ / e ) , i f< w ∣ x ∣ ? C , o t h e r w i s e( 1 ) wing(x)= \left\{ \begin{aligned} &w·ln(1+|x|/e),&if\space 非负数 w 设定非线性部分的范围为（-w,w），e 限制了非线性区域的曲率， C = w ? w l n ( 1 + w / e ) C = w ?wln(1 + w/e) C=w?wln(1+w/e)是一个常数，可以平滑地连接分段定义的线性和非线性部分
- 应用：landmark 点向量为s = { s i } s=\{s_i\} s={si?}，其gt 为s ′ = { s i } s'=\{s_i\} s′={si?}，其中i = 1 , 2 , … … , 10 i=1,2,……,10 i=1,2,……,10，
  l o s s L ( s ) = ∑ i w i n g ( s i ? s i ′ )( 2 ) loss_L(s)=\sum_i wing(s_i-s'_i)\space (2) lossL?(s)=i∑?wing(si??si′?) (2)
  令 YOLOv5 的损失函数为l o s s O ( b o u n d i n g b o x , c l a s s , p r o b a b i l i t y ) loss_O(bounding_box, class, probability) lossO?(boundingb?ox,class,probability)，那么整个的损失函数为l o s s ( s ) = l o s s O + λ L ? l o s s L loss(s)=loss_O+\lambda _L·loss_L loss(s)=lossO?+λL??lossL?，其中λ L \lambda_L λL? 是 landmark 回归损失的权重

Stem Block Structure（Stem 块结构）

结构

文章图片

SPP with Smaller Kernels（更小kernel的SPP）

小 kernel：在 YOLO5 中，使用了三种内核大小 13x13、9x9、5x5 。修改它们以使用更小的内核 7x7、5x5 和 3x3。这些较小的内核有助于更轻松地检测小人脸，并提高整体人脸检测性能

P6 Output Block（增加高层特征图）

增加一个高层的 P6，增大感受野（这也能算创新？？？？？）

ShuffleNetV2 as Backbone（不同的 backbone）

适用于移动设备或嵌入式设备

实验结果

modification 前后的对比

文章图片
对比 SOTA 人脸检测器

文章图片
Face Landmark结果

文章图片
PR 曲线图

文章图片
FDDB 数据集结果

文章图片

推荐阅读

上一篇：投稿|PICO发布，会是VR大众化的新起点吗？

下一篇：人脸识别|yolo-face 使用yolo v2 在CelebA上训练的人脸检测器