人脸检测算法总结：SSH
人脸检测算法：Single stage Headless Face Detector
学习人脸检测算法，其实主要是为了前一段时间参加了云从科技的人头计数比赛，然后就看了一些针对人脸检测算法的论文，在这里总结一下。
整个算法和SSD类似，均为one-stage，并且直接在featuremap金字塔上做预测，每个featuremap中的anchor尺度不同,这一点完全和SSD的思路一样。
总体结构：
上为SSH的流程图。在分类网络各层feature map后面连接三个检测分支，通过全卷积而非全连接层做人脸检测和bbox分类。三个分支的stride分别为8,16,32.检测分支有连个全卷积网络分别用于分类和bbox回归。
SSH在anchor 上的操作基本上和RPN一致，区别在于仅用了一个长宽比，即每个feature map上的anchor总数为W×H×k，k为尺度。
检测分支如图3所示，包含一个context module用于提升有效感受野，context module的输出通道数目X在分支M1设置为128，M2M3为256。二者结果concat之后，接两个1×1的卷积，用于bbox回归和分类。具体的输出维度为2×k，和4×k。
Scale Invariance Design：
如图2所示，三个检测分支中，M2使用的是VGG中conv5-3的feature map。M1基于feature map的融合，使用更大尺度的conv4-3融合双线性插值上采样后的conv5-3.同时使用1×1的卷积将channels减少到128，以减少计算量。M3用于检测最大尺度的人脸，在conv5-3上使用stride2的Maxpooling，将feature map的stride变为32×32。再接检测分支M3.
context module：
之前的two-stage检测器，通过增大proposal的尺度来获取上下文信息，SSH通过简单的conv层叠也可以达到类似的效果；如图4所示：基于使用更大的filter就可以获得更大感受野的思路，在context module中使用5×5和7×7的，同时为了减少参数，采用3×3卷积核叠加的方式。
training
使用3个不同stride的检测分支检测不同scale的人脸。因此网络有3个独立的loss。同时，每个检测分支匹配特定尺度范围内的anchor，这些被分配到不同分支的anchor，其得到的loss也仅用于更新其所处于分支的参数 ，实现上也很好做：基于anchor尺度大小，将anchor分配给不同的检测分支即可。
损失函数
上式中lc为人脸分类loss。k为分支索引。Ak为分支anchor集合。lr为人脸回归的loss，与fasterRCNN一致。
难例挖掘
这个地方比较模糊，我参考了源码发现是按照SSD对Loss进行排序的。
训练
正例：iou>0.5
负例：iou<0.3
anchor size： basesize 16，scale： M1（1,2）M2（4,8）M3（16,32）
即size：M1（16,32），M2（64,128），M3（256,512）
总结：
1 SSH是一个快速、轻量级的single stage人脸检测器，不需要使用proposal + classification的2stage方式；
2 SSH在分类网络的early conv layers同时定位和检测人脸，有点类似RPN操作；
3 SSH是headless的，不使用分类网络的fc层；
4 SSH通过在特征金字塔上预测，而非图像金字塔，达到了尺度不变性；
5 SSH在wider face、fddb、pascal face上sota；
SSH的源码我看了一下，并不难，看过SSD算法的应该无压力。