강건한 얼굴 검출을 위한 어려운 이미지에서 작은 얼굴 학습 방법

최근 앵커 기반의 딥 페이스 검출기들은 유망한 성능을 달성하였지만, 여전히 작은 얼굴, 흐린 얼굴, 부분적으로 가려진 얼굴과 같은 어려운 얼굴들을 검출하는 데 어려움을 겪고 있습니다. 이는 모든 이미지와 얼굴을 동등하게 취급하며, 어려운 경우에 더 많은 노력을 기울이지 않기 때문입니다. 그러나 많은 학습 이미지들은 쉽게 검출할 수 있는 얼굴들만 포함하고 있어, 어려운 이미지에서의 성능 개선에 큰 도움이 되지 않습니다. 본 논문에서는 어려운 이미지를 통해 작은 얼굴을 학습함으로써 페이스 검출기의 어려운 얼굴에 대한鲁棒性(robustness)를 개선할 수 있다는 제안을 합니다. 우리의 직관은 (1) 어려운 이미지는 적어도 하나 이상의 어려운 얼굴을 포함하므로, 강건한 페이스 검출기를 학습시키는 데 도움이 됩니다; (2) 대부분의 어려운 얼굴은 작은 얼굴이며, 다른 종류의 어려운 얼굴들도 축소를 통해 쉽게 작은 얼굴로 변환할 수 있다는 것입니다. 우리는 작은 앵커만 사용하여 단일 특징 맵을 출력하는 앵커 기반의 딥 페이스 검출기를 구축하여 특히 작은 얼굴들을 학습하도록 설계하고, 새로운 어려운 이미지 채굴 전략으로 이를 학습시킵니다. WIDER FACE, FDDB, Pascal Faces 및 AFW 데이터셋에서 광범위한 실험을 수행하여 우리 방법의 효과성을 보여주었습니다. 우리 방법은 WIDER FACE val 데이터셋에서 쉬운, 중간, 그리고 어려운 세트 각각 95.7%, 94.9%, 89.7%의 AP(Average Precision)를 달성하였으며, 특히 어려운 서브셋에서 이전 최신 연구보다 우수한 성능을 보였습니다. 코드와 모델은 https://github.com/bairdzhang/smallhardface 에서 제공됩니다.注：在翻译“鲁棒性”时，我使用了其英文原词“robustness”，因为这是科技领域中较为常见的术语，直接使用英文可以保持专业性和一致性。