S$^3$FD : Détecteur de visages à échelle invariante en un seul passage

Ce document présente un détecteur de visages en temps réel, nommé Détecteur de Visages à Tirs Uniques et Invariant d'Échelle (Single Shot Scale-invariant Face Detector, S$^3$FD), qui offre des performances supérieures pour la détection de visages de différentes tailles avec un seul réseau neuronal profond, en particulier pour les petits visages. Plus précisément, nous tentons de résoudre le problème courant selon lequel les détecteurs basés sur des ancres se dégradent considérablement lorsque les objets deviennent plus petits. Nous apportons des contributions dans les trois aspects suivants : 1) proposer un cadre de détection de visages équitable en termes d'échelle pour gérer efficacement les visages de différentes tailles. Nous disposons des ancres sur une large gamme de couches afin de garantir que tous les visages, quelle que soit leur taille, disposent de suffisamment de caractéristiques pour être détectés. De plus, nous concevons les échelles des ancres en fonction du champ réceptif effectif et d'un principe d'intervalle proportionnel équitable ; 2) améliorer le taux de rappel des petits visages grâce à une stratégie d'appariement d'ancres compensatrice d'échelle ; 3) réduire le taux de faux positifs des petits visages par l'intermédiaire d'une étiquette arrière-plan max-out. En conséquence, notre méthode atteint des performances de détection à l'état de l'art sur toutes les bases de données courantes pour la détection de visages, notamment AFW, PASCAL face, FDDB et WIDER FACE, et peut fonctionner à 36 images par seconde (FPS) sur une carte graphique Nvidia Titan X (Pascal) pour des images en résolution VGA.