上周末，一篇題為《模型僅有7M：輕量級(jí)高精度人臉識(shí)別方法DBFace》的文章在國內(nèi)頭部的專業(yè)人工智能媒體《機(jī)器之心》上首發(fā)后，即被新浪科技、CSDN、機(jī)器學(xué)習(xí)研究會(huì)等多家科技／垂直類（自）媒體進(jìn)行了轉(zhuǎn)載。

而對(duì)DBFace這個(gè)名字，業(yè)內(nèi)人士更是很容易就能聯(lián)想到人工智能頭部企業(yè)深蘭科技（DeepBlue）。果不其然，這個(gè)模型的創(chuàng)建者，這是來自深蘭科技下屬深蘭科學(xué)院算法研究所的兩位“高手”——?jiǎng)�安奇、杜金偉�?/p>

據(jù)了解，該模型起初只是被放在了Github上，沒想到被《機(jī)器之心》扒了出來，而且短短3天時(shí)間，這個(gè)開源的模型就新增了近300次使用。

今天，就跟隨這兩位算法大咖，一起來看看DBFace是如何誕生的。

1． 網(wǎng)絡(luò)選擇

DBFace的初衷是設(shè)計(jì)一款輕量級(jí)的人臉檢測器，能夠在邊緣計(jì)算上有效的使用，加上因?yàn)橐咔榫壒�，�?duì)于hard類（例如戴上口罩）人臉檢測顯得尤為重要。因?yàn)镃enterNet具有后處理的簡潔高效性，以及對(duì)小目標(biāo)友好等特點(diǎn)。綜合性能和速度的考慮下，我們選擇了CenterNet結(jié)構(gòu)做檢測任務(wù)， 采用MoblienetV3做backbone。相較于MobilenetV2， MobilenetV3在其基礎(chǔ)上新增了 SE 、Hard－Swish Activation等模塊，兼顧Infernce速度的同時(shí)并提升網(wǎng)絡(luò)性能 。結(jié)構(gòu)如下：

對(duì)于任務(wù)頭的設(shè)計(jì)，我們引入了SSH的DetectModule和ContextModule，經(jīng)實(shí)驗(yàn)驗(yàn)證該模塊能有效的提升DBFace算法的檢出性能

對(duì)于上采樣設(shè)計(jì)，我們采用Upsample＋Conv＋Act的方式，避免使用反卷積造成可能的鋸齒問題

2．Loss定義

整個(gè)網(wǎng)絡(luò)由三部分Loss組成：熱力圖（HeatMap）損失， 位置坐標(biāo)偏移量（BoundingBox）損失，關(guān)鍵點(diǎn)（Landmark）損失

2．1 HeatMap 損失：Focal Loss

Focal loss，該損失函數(shù)是在標(biāo)準(zhǔn)交叉熵?fù)p失基礎(chǔ)上修改得到的�？梢酝ㄟ^減少易分類樣本的權(quán)重，使得模型在訓(xùn)練時(shí)更專注于難分類的樣本，從而能有效的緩解類別不均衡帶來的網(wǎng)絡(luò)注意力偏差問題

這里γ取2，y＝1時(shí)，α為正樣本的權(quán)重，參照CenterNet，定義為目標(biāo)周圍半徑處3＊3范圍為1，其他為0，目的是加強(qiáng)正樣本的訓(xùn)練權(quán)重。y＝0時(shí)，α為（1 － gt）4，此時(shí)GT是一個(gè)基于目標(biāo)計(jì)算的橢圓高斯圖，參照TTFNet（Training－Time－Friendly Network for Real－Time Object Detection）

2．2 位置坐標(biāo)偏移量損失：  GIoU Loss

目前大部分目標(biāo)檢測中主流的邊界框優(yōu)化采用的都是BBox的回歸損失（MSE loss， L1－smooth loss等），該種方式通過距離計(jì)算損失值，從而忽略了檢測框本身最顯著的性質(zhì)IoU。如下圖所示，在L1及L2范數(shù)取到相同的值時(shí)，實(shí)際上檢測效果卻是差異巨大的，直接表現(xiàn)就是預(yù)測和真實(shí)檢測框的IoU值變化較大，這說明L1和L2范數(shù)不能很好的反映檢測效果。

通過IOU作為Loss來優(yōu)化任務(wù)，其缺點(diǎn)在于：

a．預(yù)測框bbox和ground truth bbox如果沒有重疊，IOU就始終為0并且無法優(yōu)化。其損失函數(shù)失去了可導(dǎo)的性質(zhì)。

b．IOU無法分辨不同方式的對(duì)齊，例如方向不一致等情況

GIOU則能很好的解決上面兩個(gè)問題

假設(shè)現(xiàn)在有兩個(gè)任意的bbox A和B，我們要找到一個(gè)最小的封閉形狀C，讓C可以將A和B包圍在里面，然后我們計(jì)算C中沒有覆蓋A和B的面積占C總面積的比例，然后用A和B的IOU值減去這個(gè)比值。

2．3人臉關(guān)鍵點(diǎn)Landmark回歸：WingLoss

由于SmoothL1 Loss對(duì)于較大誤差時(shí)比較敏感，但是對(duì)中小誤差則比較不敏感，而導(dǎo)致關(guān)鍵點(diǎn)無法得到精細(xì)結(jié)果，因此考慮加重對(duì)中小誤差的關(guān)注，對(duì)比試驗(yàn)后，選擇WingLoss（Wing Loss for Robust Facial Landmark Localisation with Convolutional Neural Networks）作為landmark訓(xùn)練loss

WingLoss

這里我們采用了w＝10，e＝2，同時(shí)為了避免landmark相對(duì)人臉中心和寬高帶來的累積誤差，因此我們對(duì)landmark是相對(duì)于人臉中心點(diǎn)的方式進(jìn)行訓(xùn)練

3．?dāng)?shù)據(jù)增廣

random filp、random scaling、color jittering、randomly crop square patch、image compress

檢測結(jié)果及精度驗(yàn)證

4．實(shí)際運(yùn)行

項(xiàng)目地址

下載代碼后main．py提供基于圖像和攝像頭的案例，我們稍加修改后：

把圖像放到datas目錄下，執(zhí)行后，結(jié)果在detect＿result中，我們看到如我們預(yù)期的結(jié)果：

下圖，對(duì)于戴口罩人臉的檢測（訓(xùn)練時(shí)并未使用戴口罩?jǐn)?shù)據(jù)，因此將會(huì)加入戴口罩?jǐn)?shù)據(jù)進(jìn)行訓(xùn)練以優(yōu)化模型的效果）