ASFD：自动且可扩展的人脸检测器

在当前基于多尺度的检测器中，特征聚合与增强（Feature Aggregation and Enhancement, FAE）模块已展现出显著的性能提升，成为前沿目标检测技术的重要组成部分。然而，这些人工设计的FAE模块在人脸检测任务中表现不一，其主要原因在于训练数据集（COCO）与应用数据集（WIDER Face）之间存在显著的数据分布差异。为解决这一问题，本文从数据分布影响的角度进行深入分析，提出采用可微分架构搜索（differentiable architecture search）方法，自动搜索出一种高效的人脸检测专用FAE结构——AutoFAE。实验表明，该AutoFAE在人脸检测任务中显著优于所有现有FAE模块，性能提升明显。在获得最优AutoFAE结构的基础上，进一步构建并训练了一个超网络（supernet），该超网络可在不同复杂度约束下自动衍生出一系列高效的人脸检测器。在WIDER Face和FDDB等主流基准上的大量实验验证了所提出的自动可扩展人脸检测器（Automatic and Scalable Face Detector, ASFD）家族在性能与效率之间达到了当前最优的平衡。特别地，性能强劲的ASFD-D6在WIDER Face测试集上分别取得了96.7、96.2和92.1的AP值，显著超越现有最佳方法；而轻量级的ASFD-D0在V100 GPU上处理VGA分辨率图像时，单帧推理时间仅约3.1毫秒，推理速度超过320 FPS，展现出卓越的实时性与实用性。