摘要
近期基于锚点的深度人脸检测器已经取得了令人鼓舞的性能，但在检测小脸、模糊脸和部分遮挡的脸等困难人脸方面仍面临挑战。其中一个原因是这些检测器对所有图像和人脸一视同仁，没有在困难样本上投入更多努力；然而，许多训练图像中只包含容易识别的人脸，这无助于提高在困难图像上的表现。本文提出，通过在困难图像上学习小脸可以提升人脸检测器对困难人脸的鲁棒性。我们的直觉是：(1) 困难图像是指至少包含一个困难人脸的图像，因此它们有助于训练更加鲁棒的人脸检测器；(2) 大多数困难人脸都是小脸，而其他类型的困难人脸可以通过缩小轻松转换为小脸。我们构建了一个基于锚点的深度人脸检测器，该检测器仅输出一个小锚点特征图，专门用于学习小脸，并采用一种新颖的困难图像挖掘策略进行训练。我们在 WIDER FACE、FDDB、Pascal Faces 和 AFW 数据集上进行了大量实验，以展示我们方法的有效性。我们的方法在 WIDER FACE 验证数据集的简单、中等和困难子集上分别达到了 95.7%、94.9% 和 89.7% 的平均精度（AP），超过了以往的最佳方法，特别是在困难子集上表现尤为突出。代码和模型可在 https://github.com/bairdzhang/smallhardface 获取。