arXiv-2021

---

---

1 Background and Motivation

尺度变化是人脸检测中最具挑战性的问题之一

Modern face detectors employ feature pyramids to deal with scale variation

但是特征金字塔存在如下问题：

it might break the feature consistency across different scales of faces（想表达的是一定范围的尺寸人脸，eg 50~100大小的，都落在一张特征图上，怕特征图 hold 不住）

作者对特征金字塔进行改进，提出 EMFace（EXPLORING RECEPTIVE）

2 Related Work

• CNN-based face detection
• receptive fields for recognition tasks
  • ASPP
  • RFB Net
  • Deformable convolution

3 Advantages / Contributions

• 提出 EMFace，核心模块为感受野金字塔（Receptive Field Pyramid）
• 感受野金字塔中的 pooling 模块，多分支训练，单分支测试，速度得以提升
• 在 WIDER FACE 和 UFDD 数据集上，验证了其速度和精度
  

The branch pooling balances the representations of parallel branches during training and enables a single branch to implement inference during testing

4 Method

特征金字塔 P2~P7，这个本身应该提点很猛，哈哈哈

RFP 的细节如下

• multi-branch convolution layer
• branch pooling layer
  

先经过三个权重共享的空洞卷积+残差结构

再接个 Branch Pooling 结构

B = 3

RFP 输入输出维度相同

代码：https://github.com/emdata-ailab/EMface

class MRF(nn.Module):
    def __init__(self,in_planes):
        super(MRF,self).__init__()
        self.share_weight=nn.Parameter(torch.randn(in_planes,in_planes,3,3)) # 共享权重，卷积核 3x3
        self.bn1=nn.BatchNorm2d(in_planes)
        self.bn2=nn.BatchNorm2d(in_planes)
        self.bn3=nn.BatchNorm2d(in_planes)
        self.relu1=nn.ReLU(inplace=True)
        self.relu2=nn.ReLU(inplace=True)
        self.relu3=nn.ReLU(inplace=True)
    def forward(self,x):
        residual=x
        x1=F.conv2d(x,self.share_weight, stride=1, padding=1,bias=None, dilation=1)
        x1=self.bn1(x1)
        x1=x1+residual
        x1=self.relu1(x1)
        x2=F.conv2d(x,self.share_weight, stride=1, padding=3,bias=None, dilation=3)
        x2=self.bn2(x2)
        x2=x2+residual
        x2=self.relu2(x2)
        x3=F.conv2d(x,self.share_weight,stride=1, padding=5,bias=None, dilation=5)
        x3=self.bn3(x3)
        x3=x3+residual
        x3=self.relu3(x3)
        y=torch.cat((x1, x2, x3), dim=1) # (n, 3*in_planes, h, w)
        b,c,h,w=y.size()
        y=y.view(b,3,c//3,h,w) # (n, 3, in_planes, h, w)
        y1=y.mean(dim=1,keepdim=True) # (n, 1, in_planes, h, w)
        y=y1.view(b,-1,h,w) # (n, in_planes, h, w)
        return y

调用

self.MR1=MRF(256)
self.MR2=MRF(256)
self.MR3=MRF(256)
self.MR4=MRF(256)
self.MR5=MRF(256)
self.MR6=MRF(256)

5 Experiments

ResNet50 + FPN

5.1 Datasets and Metrics

WIDER FACE and UFDD

metrics 为 AP

5.2 Ablation Study

（1）Number of Branches

3 个 Branch 计算量和精度权衡最好

（2）Weight Sharing.

RFP 中 multi-branch convolution 的权重 share 参数量减少很多，精度略微下降

（3）Branch Pooling.

训练的时候 3 branches，测试的时候选择不同的输出方式，输出数量，输出组合形式（BP，add，concat）

we drop out the Branch-1 and Branch-3 (d=1 and d=5 in Figure 4) in RFP and only keep the Branch-2 to output in the
inference phase.

作者测试时最终仅保留了 branch-2 作为输出

5.3 Comparison with State-of-the-Arts

（1）WIDER FACE

（2）UFDD

6 Conclusion（own）

• 标题单词都搞错了，哈哈，pyramids