堅牢な顔検出：困難な画像での小さな顔の学習を介して

最近のアンカーを基にした深層顔検出器は有望な性能を達成していますが、小さな顔やぼけた顔、部分的に隠れた顔などの難しい顔の検出には依然として苦戦しています。その理由の一つは、これらの検出器がすべての画像と顔を平等に扱い、難しいケースに対して特に努力していないことです。しかし、多くの訓練画像は簡単な顔しか含んでおらず、これは難しい画像での性能向上にはあまり役立ちません。本論文では、困難な画像上で小さな顔を学習することで、顔検出器の困難な顔に対する堅牢性を向上させることができるという提案を行います。私たちの直感は以下の通りです。(1) 困難な画像とは少なくとも1つの困難な顔を含む画像であり、堅牢な顔検出器の訓練に役立つ；(2) 多くの困難な顔は小さな顔であり、他の種類の困難な顔も縮小することで容易に小さな顔に変換できる。私たちは単一の特徴マップのみを出力する小型アンカーを使用したアンカーを基にした深層顔検出器を作成し、新しい困難な画像マイニング戦略によってこれを訓練しました。WIDER FACE, FDDB, Pascal Faces, AFW データセットで広範囲にわたる実験を行い、当手法の有効性を示しました。当手法は WIDER FACE val データセットにおいて簡単（Easy）、中等度（Medium）、困難（Hard）それぞれで AP 値 95.7, 94.9, 89.7 を達成しており、特に困難なサブセットにおいて既存の最先端技術を超える結果となっています。コードとモデルは https://github.com/bairdzhang/smallhardface で公開されています。