AI顶会论文解读 | 达摩院榜首人脸检测模型MogFace-阿里云开发者社区

AI顶会论文解读 | 达摩院榜首人脸检测模型MogFace

2023-07-28 439

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

本文涉及的产品

模型训练 PAI-DLC，5000CU*H 3个月

交互式建模 PAI-DSW，每月250计算时 3个月

模型在线服务 PAI-EAS，A10/V100等 500元 1个月

简介： AI顶会论文解读 | 达摩院榜首人脸检测模型MogFace

奇武魔搭ModelScope社区

01开源

论文链接：MogFace: Towards a Deeper Appreciation on Face Detection

模型&代码：

简易应用：

02背景

人脸检测算法是在一幅图片或者视频序列中检测出来人脸的位置，给出人脸的具体坐标，一般是矩形坐标。它是人脸关键点、属性、编辑、风格化、识别等模块的基础。本文通过实验观察发现，对应设计出如下三个模块构建出一个高性能的人脸检测器MogFace：

1.）动态标签分配策略（dynamic label assignment）

2.）误检上下文相关性分析（FP context analysis）

3.）金字塔层级监督信号分配（pyramid layer level GT assignment）

该方法的模型在WIDER FACE榜单上取得了截止目前将近两年的六项第一。

03观察

1.1 动态标签分配策略（dynamic label assignment）

为每个anchor点定义cls和reg目标是训练检测器的必要过程，在人脸检测中这个过程称之为标签分配（Label Assignment）。

最近，标签分配吸引了诸多研究人员的注意，在人脸检测及通用物体检测领域提出了一系列方法，例如：OTA、PAA，ATSS以及HAMBox。

如示例图(a)，标签分配过程依赖4个元素。分别是：

1.）offline information: a.）IoU (anchor与ground-truth框的IoU) ， b.）CPD (anchor与ground-truth中心点的距离) 。

2.）online information: a.）PCS (cls分支对anchor的前景分类概率值) ，b.）PLC (reg分支对anchor的预测坐标值) 。

但是，目前的标签分配方法存在三个问题。

1.）若只用offline information做静态标签分配，那么会有很多具备更强回归能力的negative anchor无法被有效利用起来，会导致标签分配策略欠饱和。

2.）若过度信任online information动态调整正负anchor时（如OTA和Hambox），由于online information属于预测信息可信度不高，会导致标签分配策略错误多，极端情况下会陷入trivial 的分配结果。

3.) 若引入大量超参（K in ATSS, alpha in OTA）做标签分配，则当数据集分布发生变化时，需要大量的调参时间。

1.2 误检上下文相关性分析（FP context analysis）

在实际应用中，人脸检测器并不会十分关心AP的指标，而对误检（false positive [FP]）的数量十分敏感。针对这个问题，目前的做法是收集大量带有FP的图片去fine-tune或者from scratch训练检测器，来帮助检测器了解更多范式的FP，但是我们发现有些频繁出现在训练集中的的FP在这种策略下无法有效解决。这篇文章，我们发现了一个有趣的现象：对于同一个FP，当它的context发生变化时，对于同一个检测器来说它可能就不是FP了。如下图(c)，最左面的图片里日历是FP，剩余两张日历都不是FP。

1.3 金字塔层级监督信号分配（pyramid layer level GT assignment）

scale-level 数据增强策略常常作通用物体检测以及人脸检测中解决scale variance主要手段。如图(b)所示，相对于COCO，人脸检测数据集Wider Face 中人脸的尺度分布更为严峻。

为此，我们分提出了一个新的问题，如何合理的分配ground-truth 在不同pyramidlayer上的分布？即检测器的性能与每个pyramidlayer匹配ground-truth的个数之间的关系是什么？是否越多越好？

通过严格的对比实验我们发现：“对于所有的pyramid layer来说，并不是这个pyramid layer匹配到越多的ground-truth就越好”。这说明要挖掘每一个pyramidlayer的最好性能，需要控制在这个pyramidlayer上的ground-truth分配的比例。

04方法

2.1 Adaptive Online Incremental Anchor Mining Strategy (Ali-AMS)

针对上述“动态标签分配策略（dynamic label assignment）”观察分析，本文提出了在里面一种自适应的在线增量锚挖掘策略（Ali-AMS），它基于standard anchor matching 策略，并进一步adaptive 帮助outlier face匹配anchor。如下：

2.2 Hierachical Context-Aware Module (HCAM)

基于上述“误检上下文相关性分析（FP context analysis）”观察分析，发现“对于同一个FP，当它的context发生变化时，对于同一个检测器来说他可能就不是FP了”，我们进一步提出了一个two-step的模块来显示的encode context 信息来帮助区分FP和TP，显著减少了FP的数量。

2.3 Selective Scale Enhancement Strategy （SSE）

基于上述的“金字塔层级监督信号分配（pyramid layer level GT assignment）”观察分析，发现“对于所有的pyramid layer来说，并不是这个pyramid layer匹配到越多的ground-truth就越好”，我们提出通过控制pyramid layer 匹配的ground-truth的数量来最大化pyramid layer 的性能。