人臉檢測(cè)為目標(biāo)檢測(cè)的特例，是商業(yè)化最早的目標(biāo)檢測(cè)算法，也是目前幾乎各大 CV 方向 AI 公司的必爭(zhēng)之地。

WIDER FACE 數(shù)據(jù)集是由香港中文大學(xué)發(fā)布的大型人臉數(shù)據(jù)集，含 32,203幅圖像和 393,703 個(gè)高精度人臉包圍框，該庫(kù)中人臉包含尺度、姿態(tài)、表情、遮擋和光照等變化。

WIDER FACE 幾乎是目前評(píng)估人臉檢測(cè)算法最權(quán)威的數(shù)據(jù)集。

RetinaFace 是今年 5 月份出現(xiàn)的人臉檢測(cè)算法，當(dāng)時(shí)取得了 state-of-the-art，作者也開(kāi)源了代碼，過(guò)去了兩個(gè)月，目前僅以極其微弱的精度差屈居第二名，但因?yàn)榈谝幻?AInnoFace 算法（來(lái)自北京創(chuàng)新奇智公司）沒(méi)有開(kāi)源，所以目前 RetinaFace 可稱(chēng)得上是目前最強(qiáng)的開(kāi)源人臉檢測(cè)算法。

RetinaFace 來(lái)自論文《RetinaFace: Single-stage Dense Face Localisation in the Wild》，作者來(lái)自帝國(guó)理工學(xué)院、InsightFace、Middlesex University London、FaceSoft。

相信很多朋友對(duì) InsightFace 并不陌生，它是目前針對(duì) 2D 與 3D 人臉?lè)治觯ê瑱z測(cè)、識(shí)別、對(duì)齊、屬性識(shí)別等）最知名和開(kāi)發(fā)者最活躍的開(kāi)源庫(kù)。RetinaFace 代碼已經(jīng)并入該庫(kù)。

下圖為在 WIDER FACE 數(shù)據(jù)集上驗(yàn)證集三個(gè)子集的排名靠前的算法結(jié)果曲線和精度：

下圖為在WIDER FACE 數(shù)據(jù)集上測(cè)試集三個(gè)子集的排名靠前的算法結(jié)果曲線和精度：

在 6 個(gè)子集中，RetinaFace 取得 1 個(gè)第一名，2 個(gè)并列第一名，3 個(gè)以極其微弱精度差屈居于第二名。

RetinaFace 使用特征金字塔網(wǎng)絡(luò)架構(gòu)：

其主要?jiǎng)?chuàng)新點(diǎn)在損失函數(shù)的設(shè)計(jì)。

下圖說(shuō)明了 RetinaFace 的核心思想：

在人臉檢測(cè)多任務(wù)學(xué)習(xí)中，除了傳統(tǒng)的人臉?lè)诸?lèi)損失函數(shù)和包圍框回歸損失函數(shù)，作者額外標(biāo)注了人臉 5 點(diǎn)信息，并以此引入人臉對(duì)齊的額外監(jiān)督信息損失函數(shù)，還引入了 self-supervised 解碼分支預(yù)測(cè) 3D 人臉信息分支。

集合了更多監(jiān)督信息和自監(jiān)督信息，是 RetinaFace 取得成功的關(guān)鍵。

很多時(shí)候，人臉檢測(cè)是為了后續(xù)的識(shí)別，作者特意將檢測(cè)結(jié)果送入人臉驗(yàn)證網(wǎng)絡(luò)，在 IJB-C test set 上測(cè)試結(jié)果表明可以提高 ArcFace 的人臉驗(yàn)證精度 (TAR=89.59% for FAR=1e-6)。

由上圖可知，相對(duì)于 MTCNN，在助力人臉驗(yàn)證上有一致性精度提高的表現(xiàn)。

更為難能可貴的是，使用輕量級(jí)骨干網(wǎng)絡(luò)，RetinaFace 算法在 CPU 上測(cè)試 VGA 圖片可以達(dá)到實(shí)時(shí)。如下圖：