1.遮挡物检测简介 

不同的目标检测应用场景有不同的检测难点，小目标、多尺度以及背景复杂等问题，被遮挡的物体仍然是最先进的物体检测器面临的挑战。本文尝试解决待测目标相互遮挡带来的检测困难，对于人脸遮挡提出了一个名为 SEAM 的注意力模块并引入了排斥损失来解决它，引入了分离和增强注意力模块来增强Neck层输出部分后被遮挡人脸的响应能力。

1.1 Separated and Enhancement Attention Module (SEAM)

即不同人脸之间的遮挡，以及其他物体对人脸的遮挡。前者使得检测精度对 NMS 阈值非常敏感，从而导致漏检。作者使用排斥损失进行人脸检测，它惩罚预测框转移到其他真实目标，并要求每个预测框远离具有不同指定目标的其他预测框，以使检测结果对 NMS 不太敏感。后者导致特征消失导致定位不准确，设计了注意力模块 SEAM 来增强人脸特征的学习。

  SEAM的第一部分是带有残差连接的深度可分离卷积。深度可分离卷积是逐个深度操作的，即逐个通道分离卷积。深度可分离卷积虽然可以学习不同通道的重要性并减少参数量，但它忽略了通道之间的信息关系。

     为了弥补这种损失，不同深度卷积的输出随后通过逐点卷积进行组合。然后用一个两层的全连接网络来融合每个通道的信息，这样网络就可以加强所有通道之间的连接。

 1.2 MultiSEAM

    解决多尺度问题的主要方法是构建金字塔来融合人脸的多尺度特征。例如，在 YOLOv