chiński gigant technologiczny Tencent udostępnił swój algorytm detekcji twarzy Dsfd (Dual Shot Face Detector). Powiązany papier Dsfd: Dual Shot Face Detector osiąga state-of-the-art wydajność w szerszych benchmarkach zestawów danych FACE I FDDB i został zaakceptowany przez top computer vision conference CVPR 2019.
dsfd
wykrywanie twarzy jest podstawowym krokiem do wyrównania twarzy, parsowania, rozpoznawania i weryfikacji. Naukowcy z laboratorium youtu skoncentrowanego na sztucznej inteligencji Tencent proponują trzy techniki detektora twarzy DSFD:
- funkcja moduł ulepszania (Fem): przeniesienie oryginalnych map funkcji w celu rozszerzenia detektora pojedynczego strzału na detektor podwójnego strzału i uczynienia go bardziej rozróżnialnym i wytrzymałym.
- Progressive Anchor Loss (Pla): obliczana przy użyciu dwóch zestawów kotwic i dostosowana do skutecznego ułatwiania funkcji.
- ulepszone dopasowywanie kotwic (iam): Integracja nowatorskich technik augmentacji danych i strategii projektowania kotwic w DSFD, aby zapewnić lepszą inicjalizację regresora.
wyniki eksperymentu
struktura DSFD pokazuje wyjątkową wydajność w eksperymentach. Obserwując poniższe obrazy, DSFD wykazał wysoką skuteczność w wykrywaniu twarzy o różnej skali, pozie, okluzji, rozmyciu, makijażu, oświetleniu, modalności i odbiciu. Niebieskie pola obwiedni wskazują, że ufność detektora wynosi powyżej 0,8.
grupa badawcza przeprowadziła również rozległe eksperymenty i badania ablacji z aktualnymi benchmarkami dla szerszych zestawów danych FACE I FDDB.
dzięki szerszemu zestawowi danych twarzy, jak pokazano poniżej, DSFD osiągnął najnowocześniejszą wydajność dla średniej precyzji w trzech podzbiorach: 96,6% (łatwy), 95,7% (średni) i 90,4% (twardy) w zestawie walidacyjnym; oraz 96,0% (łatwy), 95,3% (średni) i 90,0% (twardy) w zestawie testowym.
dzięki zestawowi danych FDDB, jak pokazano poniżej, DSFD osiągnął najnowocześniejszą wydajność zarówno na nieciągłych, jak i ciągłych krzywych ROC: 99,1% i 86.2%, gdy liczba fałszywych alarmów wynosi 1000.
ponowne wdrożenie projektu
projekt DSFD jest realizowany na platformie PyTorch. Bez użycia żadnych specjalnych bibliotek, ten projekt może działać z Torch 0.3.1, Python 3.6 i CuDNN. Zespół badawczy dostarczył wszystkie niezbędne materiały na ich repozytorium GitHub.
