고성능 얼굴 검출을 위한 선택적 정제 네트워크

고성능 얼굴 인식은 특히 많은 작은 얼굴이 존재할 때 매우 어려운 문제입니다. 본 논문에서는 새로운 단일 샷 얼굴 검출기인 Selective Refinement Network (SRN)을 제안합니다. 이 모델은 앵커 기반 얼굴 검출기에 새로운 두 단계의 분류 및 회귀 연산을 선택적으로 도입하여 동시에 거짓 양성을 줄이고 위치 정확도를 향상시키는 방법을 소개합니다. 특히, SRN은 Selective Two-step Classification (STC) 모듈과 Selective Two-step Regression (STR) 모듈로 구성됩니다. STC는 후속 분류기에 대한 탐색 공간을 줄이기 위해 저수준 검출 계층에서 대부분의 간단한 음성 앵커를 필터링하는 것을 목표로 합니다. 반면에, STR는 후속 회귀기에 더 나은 초기화를 제공하기 위해 고수준 검출 계층에서 앵커의 위치와 크기를 대략적으로 조정하도록 설계되었습니다. 또한, 우리는 더 다양한 수용 영역을 제공하여 극단적인 자세에서 얼굴을 더 잘 포착할 수 있도록 Receptive Field Enhancement (RFE) 블록을 설계하였습니다. 결과적으로, 제안된 SRN 검출기는 AFW, PASCAL face, FDDB, WIDER FACE 데이터셋 등 널리 사용되는 모든 얼굴 검출 벤치마크에서 최고 수준의 성능을 달성하였습니다. 코드는 얼굴 검출 문제에 대한 추가 연구를 촉진하기 위해 공개될 예정입니다.