DBFace，轻量级高精度人脸检测模型

上周末，一篇题为《模型仅有7M：轻量级高精度人脸识别方法DBFace》的文章在国内头部的专业人工智能媒体《机器之心》上首发后，即被新浪科技、CSDN、机器学习研究会等多家科技／垂直类（自）媒体进行了转载。

而对DBFace这个名字，业内人士更是很容易就能联想到人工智能头部企业深兰科技（DeepBlue）。果不其然，这个模型的创建者，这是来自深兰科技下属深兰科学院算法研究所的两位“高手”——刘安奇、杜金伟。

据了解，该模型起初只是被放在了Github上，没想到被《机器之心》扒了出来，而且短短3天时间，这个开源的模型就新增了近300次使用。

今天，就跟随这两位算法大咖，一起来看看DBFace是如何诞生的。

1． 网络选择

DBFace的初衷是设计一款轻量级的人脸检测器，能够在边缘计算上有效的使用，加上因为疫情缘故，对于hard类（例如戴上口罩）人脸检测显得尤为重要。因为CenterNet具有后处理的简洁高效性，以及对小目标友好等特点。综合性能和速度的考虑下，我们选择了CenterNet结构做检测任务， 采用MoblienetV3做backbone。相较于MobilenetV2， MobilenetV3在其基础上新增了 SE 、Hard－Swish Activation等模块，兼顾Infernce速度的同时并提升网络性能 。结构如下：

对于任务头的设计，我们引入了SSH的DetectModule和ContextModule，经实验验证该模块能有效的提升DBFace算法的检出性能

对于上采样设计，我们采用Upsample＋Conv＋Act的方式，避免使用反卷积造成可能的锯齿问题

2．Loss定义

整个网络由三部分Loss组成：热力图（HeatMap）损失， 位置坐标偏移量（BoundingBox）损失，关键点（Landmark）损失

2．1 HeatMap 损失：Focal Loss

Focal loss，该损失函数是在标准交叉熵损失基础上修改得到的。可以通过减少易分类样本的权重，使得模型在训练时更专注于难分类的样本，从而能有效的缓解类别不均衡带来的网络注意力偏差问题

这里γ取2，y＝1时，α为正样本的权重，参照CenterNet，定义为目标周围半径处3＊3范围为1，其他为0，目的是加强正样本的训练权重。y＝0时，α为（1 － gt）4，此时GT是一个基于目标计算的椭圆高斯图，参照TTFNet（Training－Time－Friendly Network for Real－Time Object Detection）

2．2 位置坐标偏移量损失：  GIoU Loss

目前大部分目标检测中主流的边界框优化采用的都是BBox的回归损失（MSE loss， L1－smooth loss等），该种方式通过距离计算损失值，从而忽略了检测框本身最显著的性质IoU。如下图所示，在L1及L2范数取到相同的值时，实际上检测效果却是差异巨大的，直接表现就是预测和真实检测框的IoU值变化较大，这说明L1和L2范数不能很好的反映检测效果。

通过IOU作为Loss来优化任务，其缺点在于：

a．预测框bbox和ground truth bbox如果没有重叠，IOU就始终为0并且无法优化。其损失函数失去了可导的性质。

b．IOU无法分辨不同方式的对齐，例如方向不一致等情况

GIOU则能很好的解决上面两个问题

假设现在有两个任意的bbox A和B，我们要找到一个最小的封闭形状C，让C可以将A和B包围在里面，然后我们计算C中没有覆盖A和B的面积占C总面积的比例，然后用A和B的IOU值减去这个比值。

2．3人脸关键点Landmark回归：WingLoss

由于SmoothL1 Loss对于较大误差时比较敏感，但是对中小误差则比较不敏感，而导致关键点无法得到精细结果，因此考虑加重对中小误差的关注，对比试验后，选择WingLoss（Wing Loss for Robust Facial Landmark Localisation with Convolutional Neural Networks）作为landmark训练loss

WingLoss

这里我们采用了w＝10，e＝2，同时为了避免landmark相对人脸中心和宽高带来的累积误差，因此我们对landmark是相对于人脸中心点的方式进行训练

3．数据增广

random filp、random scaling、color jittering、randomly crop square patch、image compress

检测结果及精度验证

4．实际运行

项目地址

下载代码后main．py提供基于图像和摄像头的案例，我们稍加修改后：

把图像放到datas目录下，执行后，结果在detect＿result中，我们看到如我们预期的结果：

下图，对于戴口罩人脸的检测（训练时并未使用戴口罩数据，因此将会加入戴口罩数据进行训练以优化模型的效果）