单步检测方法分为两类：anchor-based如ssd、RetinaNet;2)Anchor-free 如DenseBox、UnitBox;anchor-based处理的尺度范围虽小，更精准；anchor-free范围较大，但检测微小尺度的能力低下。
anchor-based和anchor-free方法的输出在定位方式和置信度得分方面差异显著。
anchor-based方法，ground truth IOU >=0.５锚点被视为正训练样本。锚点框住的区域是人脸的置信度，而不是网络预测的回归框内是人脸。
anchor free方法，网络训练方式类似于目标分割任务。输出的特征图以边界框中心为圆心，半径与边界框尺度成比例的椭圆区域被定义为正样本区域。分类置信度得分实质是像素落在人脸上的置信度。
SFACE 将回归的边界框架和ground truth边界框之间的ＩＯＵ当作Ｃlassfication Subnet 的ground truth 。

FLOPs 39M的Backbone,

Face Attention Network: An Effective Face Detector for the Occluded Faces
segmentation mask 或者saliency map。retinaNet,FAN选择增加一个ｓｅｇｍｅｎｔａｔｉｏn分支，对于学到的score map ,做一个exp把 取值范围从[0,1]放缩到[1,e]，然后乘以原有的特征图。sefmentation 分支只叠加了２个conv3*3,loss 采用sigmoid cross entropy.
FAN的分层Ａttention

U-shape　能融合丰富的特征信息和high-level的语义信息。retinaNet(FPN+ResNet).retinaNet包括两个subnet,一个用于f分类，另一个用于回归。
anchor assign strategy
在FAN中，共有５个detector layers,每一个都有特定的scale anchor.另外anchor的长宽比都是１和１．５．论文统计了ｗｉｄｅｒｆａｃｅ人脸像素大小占比，用于调整anchors的大小。
attention function
为了解决遮挡的问题，提出了novel anchor-level attention.
可以近似为加了一个segment的branch
data augmentation
提出了随机crop策略，来模拟训练数据的遮挡。we also employ augmentation from random flip and color jitter.

最新文章

1. 使用CruiseControl.Net全面实现持续集成
2. Java中分割字符串
3. 深入浅出JMS（一）——JMS简介
4. C#4.0图解教程 - 第24章 反射和特性 – 2.特性
5. MySQL 范式
6. 回顾CSS布局易混淆的概念
7. Android外部SD卡的读取
8. 《javascript高级程序设计》第八章 The Browser Object Model
9. [Everyday Mathematics]20150204
10. SRV记录说明
11. asp.net微软认证全新考试题库及答案1
12. 委托、Lambda和事件
13. 参加光环国际PRINCE2培训
14. web前段2017.6.8
15. Mac ---- markdown 转 html\word\pdf
16. centos7中设置nginx的systemctl启动方式
17. Redis中的数据结构
18. find和find_if
19. 浏览器根对象document之数值和布尔属性
20. 《关于oracle数据库的勒索病毒的预警》

热门文章

1. 本地访问虚拟机redis
2. Leetcode 存在重复元素 （219,220）
3. 多线程校验url的种种。。。
4. npm install
5. git Remote: HTTP Basic: Access denied Git failed with a fatal error.
6. LaTex 使用特殊章节符号 (§)
7. Web API系列（三） 异常处理
8. 【python 3】 字典方法操作汇总
9. vue--vant组件库field输入框
10. js switch 字符串