FaceBoxes —— 实时的人脸检测系统在CPU上运行

一篇运行效率较为理想的多尺度人脸检测相关研究。

所采用的技术手段与SSD方法存在诸多相似之处。

文章链接： 《FaceBoxes: A CPU Real-time Face Detector with High Accuracy》

1. 方法介绍

如图所示，当单幅图像作为输入时，系统会通过三个独立的网络分支分别进行人脸检测。

2. 要点介绍

（1）Rapidly Digested Convolutional Layers(RDCL)

在网络的初始阶段，通过引入RDCL结构，能够高效地减小feature map的尺寸。其设计遵循以下核心原则：

• （1）Conv1、Pool1、Conv2以及Pool2的步长分别设定为4、2、2和2。由此，整个RDCL模块的总步长达到32，从而显著压缩feature map的空间维度。
• （2）卷积核或池化核的尺寸对处理速度与信息覆盖范围具有重要影响。若过大则运算效率下降，过小则可能遗漏关键特征。经过综合