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：

各部分损失公式：

1. 分类损失（交叉熵损失）：

2. 边界框回归损失（平滑 L1 损失）：

3. 关键点回归损失（平滑 L1 损失）：

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

• RetinaFace 通常使用平滑 L1 损失（Smooth L1 Loss）进行边界框回归：

  $$L_{box} = \frac{1}{N} \sum_{i=1}^{N} \text{smooth}_{L1}(t_i, \hat{t}_i)$$

• SCRFD 则更倾向于使用 IoU 系列损失（如 GIoU、DIoU 或 CIoU 损失），以提升定位精度：

  $$L_{box} = 1 - \text{CIoU}(B_i, \hat{B}_i)$$

  区别：

  • RetinaFace 默认使用平滑 L1 损失。
  • SCRFD 更推荐使用 IoU 系列损失（尤其是 CIoU），因为它们能够更好地优化边界框的位置和形状。

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