Face Attention Network: Occluded Faces를 위한 효과적인 얼굴 검출기

얼굴 검출의 성능은 합성곱 신경망(convolutional neural network)의 발전으로 크게 향상되었습니다. 그러나 마스크와 선글라스로 인한 가림(occlusion) 문제는 여전히 도전적인 이슈입니다. 이러한 가림된 경우의 재현율(recall) 개선은 종종 높은 오류 양성(false positives)의 위험을 동반합니다. 본 논문에서는 가림된 경우의 얼굴 검출 문제를 속도를 저하시키지 않으면서 재현율을 크게 향상시킬 수 있는 새로운 얼굴 검출기인 Face Attention Network(FAN)을 제안합니다. 구체적으로, 우리는 얼굴 영역에서 특징을 강조하는 새로운 앵커 레벨 주의력(anchor-level attention)을 제안합니다. 우리의 앵커 할당 전략과 데이터 증강 기술(data augmentation techniques)을 통합하여, WiderFace와 MAFA와 같은 공개 얼굴 검출 벤치마크에서 최고 수준의 결과를 얻었습니다. 코드는 재현성을 위해 공개될 예정입니다.