合作专线:17362615757
行业资讯

AI资讯

当前位置:首页 > 行业资讯 > AI资讯

Retinatouch,最强开源项目张人脸检测结果机器学习算法


作者 | CV君 
来源 | 我爱计算机视觉(ID:aicvmlaicvmlaicvml)

人脸检测为目标检测的特例,是商业化最早的目标检测算法,也是目前几乎各大 CV 方向 AI 公司的必争之地。
WIDER FACE 数据集是由香港中文大学发布的大型人脸数据集,含 32,203幅图像和 393,703 个高精度人脸包围框,该库中人脸包含尺度、姿态、表情、遮挡和光照等变化。

WIDER FACE 几乎是目前评估人脸检测算法最权威的数据集。
RetinaFace 是今年 5 月份出现的人脸检测算法,当时取得了 state-of-the-art,作者也开源了代码,过去了两个月,目前仅以极其微弱的精度差屈居第二名,但因为第一名的 AInnoFace 算法(来自北京创新奇智公司)没有开源,所以目前 RetinaFace 可称得上是目前最强的开源人脸检测算法。

RetinaFace 来自论文《RetinaFace: Single-stage Dense Face Localisation in the Wild》,作者来自帝国理工学院、InsightFace、Middlesex University London、FaceSoft。

相信很多朋友对 InsightFace 并不陌生,它是目前针对 2D 与 3D 人脸分析(含检测、识别、对齐、属性识别等)最知名和开发者最活跃的开源库。RetinaFace 代码已经并入该库。
下图为在 WIDER FACE 数据集上验证集三个子集的排名靠前的算法结果曲线和精度:

下图为在WIDER FACE 数据集上测试集三个子集的排名靠前的算法结果曲线和精度:

在 6 个子集中,RetinaFace 取得 1 个第一名,2 个并列第一名,3 个以极其微弱精度差屈居于第二名。
RetinaFace 使用特征金字塔网络架构:

其主要创新点在损失函数的设计。

下图说明了 RetinaFace 的核心思想:

在人脸检测多任务学习中,除了传统的人脸分类损失函数和包围框回归损失函数,作者额外标注了人脸 5 点信息,并以此引入人脸对齐的额外监督信息损失函数,还引入了 self-supervised 解码分支预测 3D 人脸信息分支。
集合了更多监督信息和自监督信息,是 RetinaFace 取得成功的关键。
很多时候,人脸检测是为了后续的识别,作者特意将检测结果送入人脸验证网络,在 IJB-C test set 上测试结果表明可以提高 ArcFace 的人脸验证精度 (TAR=89.59% for FAR=1e-6)。

由上图可知,相对于 MTCNN,在助力人脸验证上有一致性精度提高的表现。

更为难能可贵的是,使用轻量级骨干网络,RetinaFace 算法在 CPU 上测试 VGA 图片可以达到实时。如下图:

感谢作者的开源,欢迎给大佬加星!

论文地址:  代码地址: 
(*本文为 AI科技大本营转载文章,转载请联系作者)
◆精彩推荐◆

“只讲技术,拒绝空谈!”2019 AI开发者大会将于9月6日-7日在北京举行,这一届AI开发者大会有哪些亮点?一线公司的大牛们都在关注什么?AI行业的风向是什么?2019 AI开发者大会,倾听大牛分享,聚焦技术实践,和万千开发者共成长。
目前,大会盲订票限量发售中~扫码购票,领先一步!

推荐阅读人工智能六十年技术简史BigBiGAN问世,“GAN父”都说酷的无监督表示学习模型有多优秀?微软洪小文:AI将成为人类未来最好的左脑干货 | Python后台开发的高并发场景优化解决方案学好正态分布有多重要?我在阿里的十年:从 BI 到产品经理,曾被程序员踢翻桌子骂没有授权,Android App 也能获取你的权限?!Libra的Move编程语言到底是个啥? 美女程序员通读26页的白皮书后, 找出了这些精华… | 技术头条文末送书啦!| Device Mapper,那些你不知道的Docker核心技术
你点的每个“在看”,我都认真当成了喜欢-
Auto_z