目录
1. 人脸检测方法数量和类型
1.1 RetinaFace (CVPR 2020)
总损失公式:
各部分损失公式:
1.2 SCRFD (ICLR 2022)
边界框损失
1.3 BlazeFace (Paddle版本)
1. 人脸检测方法数量和类型
InsightFace主要包含3种核心人脸检测方法:
1.1 RetinaFace (CVPR 2020)
- 架构: 基于FPN的单阶段检测器
- 特点: 同时预测人脸边界框和5个关键点
- 骨干网络: ResNet50/ResNet152/MobileNet0.25
- 性能: WiderFace验证集 Easy 96.5, Medium 95.6, Hard 90.4
总损失公式:
L=Lcls+λ1Lbox+λ2Llandm
各部分损失公式:
- 分类损失(交叉熵损失):
Lcls=−N1i=1∑N[yilog(pi)+(1−yi)log(1−pi)]
- 边界框回归损失(平滑 L1 损失):
Lbox=N1i=1∑NsmoothL1(ti,t^i)
- 关键点回归损失(平滑 L1 损失):
Llandm=N1i=1∑NsmoothL1(li,l^i)
1.2 SCRFD (ICLR 2022)
- 架构: 高效的单阶段检测器,专为移动端优化
- 特点: 支持多种计算复杂度版本(0.5G-34G FLOPs)
- 骨干网络: 定制的轻量级ResNet和深度可分离卷积
- 性能: SCRFD-34G在WiderFace上达到 Easy 96.06, Medium 94.92, Hard 85.29
边界框损失
1.3 BlazeFace (Paddle版本)
- 架构: 基于MobileNet的超轻量级检测器
- 特点: 专为实时应用设计
本文作者:Dong
本文链接:
版权声明:本博客所有文章除特别声明外,均采用 CC BY-NC。本作品采用《知识共享署名-非商业性使用 4.0 国际许可协议》进行许可。您可以在非商业用途下自由转载和修改,但必须注明出处并提供原作者链接。
许可协议。转载请注明出处!