人脸检测：单元框

本次将分享一篇由旷视科技团队发表的人脸检测相关研究：

《2016 ACM MM UnitBox: An Advanced Object Detection Network》.

虽然代码可能不会公开，但其实施过程相对较为简易。（此处补充一句，论文中提到该方法的运行速度可达到12fps，这一数据令我略感惊讶，不知各位如何看待其合理性）

—————————— 分割线 ——————————

Introduction

目标检测可被划分为两个核心任务：目标定位与视觉识别。

依托深度学习技术的目标检测流程通常包含三个主要环节：

（1）区域建议生成

该阶段的核心在于识别潜在的人脸区域，常用的技术手段包括Selective Search、EdgeBoxes以及级联检测器的多阶段策略。这一环节通常是整个算法流程中的关键制约因素，其效率直接影响到整体性能与处理速度。

（2）识别与分类

此步骤旨在对候选窗口进行类别判定，可以是二分类（如人脸或非人脸），也可以是多分类（适用于多目标检测场景）。

（3）边界框回归

通过进一步优化检测框的位置，提升其精度。这一过程可视为从初步预测到精细调整的逐步优化过程。

对两种方法进行比较：
**Faster R-CN