博观智能刷新规模最大的人脸检测数据集WIDER FACE纪录 AI江湖风云变幻追求卓越永无止境正如再

AI江湖风云变幻追求卓越永无止境
正如再厉害的功夫也需要参加武林大会一样
参与公开数据集测试
是人工智能公司验证自身算法能力的
重要途径
文章插图
人脸识别作为计算机视觉领域中最热门的派别
功夫扎实并且弟子众多
而在人脸检测领域众多数据集测试中
WIDER FACE数据集测试
是公开的规模最大、检测难度最高的
相当于人脸识别算法界的“华山论剑”
吸引了中国科技大学、百度、腾讯、京东等
各大门派的武林高手参与
近日博观智能人脸检测算法团队
突破多尺度、遮挡、多姿态下的人脸检测等难题
刷新WIDER Face and Person Challenge 2019
人脸检测开放榜单最佳成绩
成为榜单中的第一高手
文章插图
关于WIDER FACE人脸检测数据集
WIDER FACE是目前业界公开的规模最大、检测难度最高的人脸检测数据集，由香港中文大学于2016年建立，按61个事件分类，涵盖约40万张人脸标注。
文章插图
如图所示，数据集应用极端的人脸尺寸变化、拍照角度引起的人脸姿态变化、不同程度的人脸遮挡、表情变化、光照强弱差异以及化妆等多种影响因素，各种角度的人脸与姿态变化大、遮挡严重，并存在多种风格的特点，是评估人脸检测算法能力的权威数据集。而博观此次刷新的WIDER Face and Person Challenge 2019是该数据集最新的开放榜单，是众多研究机构与企业争相挑战的业界标杆。
关于博观算法团队如何如何突破业界难题
人脸检测任务通常接受一张大图，通过模型提取图像特征，并进行坐标回归，最终得到全部人脸检测框的位置。而在WIDER FACE数据集中，人脸像素小、表情复杂，给检测算法提出了很高的要求。团队通过在人工智能算法技术领域的深入研发，基于自研AdaptNet深度网络结构的不断升级迭代，在人脸检测算法的多领域取得了突破：
1、融合attention的FPN模块：
在网络的多尺度特征图融合时，采用自适应特征加权替换了原来直接将特征图合并的方式，不仅使得浅层的位置信息更快传递到大目标的检测特征图上，而且避免了不同分辨率特征图互相干扰的情况，提高了大尺寸人脸的定位精度。对于不同姿态的人脸，每一个卷积扩张为1:1、1:2、2:1三种尺度，使之更容易学习到不同比例的人脸信息。
文章插图
2、多阶段训练：
在数据集中，小像素的人脸比例较少，同样模型对于小像素人脸的检出率较差。算法团队一方面将数据中的小像素人脸样本提取出来做单独的数据增强，另一方面，团队进行了分阶段训练策略，单独训练大像素人脸和小像素人脸，最终再进行模型微调。这样训练的模型更容易收敛。
3、自对抗训练：
【博观智能刷新规模最大的人脸检测数据集WIDER FACE纪录】博观自研的网络自对抗训练算法，在模型中集成训练。在训练中期，将当前batch中未检测到的目标提取出来，有效找出当前模型的缺陷，对这些困难样本随机贴图再进行一轮额外训练，对困难样本的的检出率得到了有效提升。
文章插图
文章插图