RetinaFace: 単一ステージの野外での密集顔部位検出

無制御環境下の顔検出において大きな進歩が見られましたが、野外での正確かつ効率的な顔位置特定は依然として未解決の課題です。本論文では、RetinaFaceと名付けられた堅牢な一段階型顔検出器を提案します。この検出器は、共通監督学習と自己監督学習のマルチタスク学習の利点を活用し、異なるスケールの顔に対してピクセル単位での位置特定を行います。具体的には、以下の5つの側面で貢献しています：(1) WIDER FACEデータセット上で手動で5つの顔部ランドマークを注釈し、この追加の監督信号のおかげで困難な顔検出に大幅な改善が見られました。(2) さらに、既存の監督学習ブランチと並行してピクセル単位での3D形状情報（3D shape face information）を予測する自己監督メッシュデコーダー・ブランチを追加しました。(3) WIDER FACEハードテストセットにおいて、RetinaFaceは平均精度（AP）で最新技術を1.1%上回り（APが91.4%に達しました）。(4) IJB-Cテストセットにおいて、RetinaFaceは最新技術（ArcFace）の顔認証結果（FAR=1e-6の場合、TAR=89.59%）を向上させました。(5) 軽量バックボーンネットワークを使用することで、RetinaFaceはVGA解像度の画像に対して単一CPUコア上でリアルタイムで動作します。追加注釈とコードは以下から利用可能です：https://github.com/deepinsight/insightface/tree/master/RetinaFace。