Facial keypoint detection model based on Face R-CNN

https://arxiv.org/abs/1706.01061

摘要

Faster R-CNN作为目标检测领域中最具代表性的技术之一，已在各类应用场景中展现出广泛应用趋势。本报告中，我们设计了一种基于Faster R-CNN框架的深度人脸检测方案，具备较强的鲁棒性。在该方案中，我们引入了多项创新技术，例如重新设计的多任务损失函数、在线硬样本挖掘机制以及多尺度训练策略，旨在从多个维度提升R-CNN的运行效率。由于该方法在人脸检测任务中表现尤为突出，因此我们将其命名为人脸R-CNN。为了验证所提方法的有效性，我们在FDDB以及更宽人脸这两个广泛使用且具有较高难度的人脸检测数据集上进行了大量实验，结果表明其性能优于当前主流方法。

1 引言

作为计算机视觉与模式识别领域中诸多人脸相关应用的核心基础，人脸检测技术面临着诸多挑战。这主要是由于实际场景下的人脸图像存在显著的差异性，例如遮挡、比例变化、光照条件、面部姿态以及表情等因素所引发的复杂变化。图1展示了这一问题的典型实例，其中所呈现的人脸图像体现了上述多种因素所带来的显著影响。

图1展示了一个人脸检测的