惊呆了！速度高达15000fps的人脸检测算法！

---

昨天52CV君发现一篇奇文，《Face Detection at 15,000 FPS:Real-Time Inference on GPU and CPU》，速度高达15000fps的人脸检测算法！

我认为用real-time来形容它的速度已经不够贴切了，这明明是闪电嘛～

这篇论文来自SIBGRAPI2018，是一个位于巴西的关注计算机图形、视觉、模式识别、图像处理的学术会议，看起来巴西人不仅踢球快，检测算法也追求超级快。

主要思想

其主要思想概括一下，就是图像缩小后再CNN检测。请看下图：

该算法将图像缩到极小（最小达到16*16像素），然后进行CNN检测，CNN此时跑的非常快。这时候原图中的小尺寸人脸往往是检测不到的，不过没关系，对于一些特定场景（比如车载摄像头的人脸检测）已经够用了。

网络结构

下图展示了作者所用网络的结构：

上图最上面部分是网络流程，d1、d2、d3是网络结构，白色和灰色代表不同的inception结构。网络最后分别是分类（是否是人脸）和定位分支（位置在哪里）。图中不同颜色代表不同网络层或结构，最下面的部分有说明。

数据集

作者使用WIDER-FACE数据集的训练集制作训练集，按照含有人脸图像截取出来并进行一定的缩放。

Fig.3 展示了这一过程。

同时作者收集了GoPro拍摄的车内的视频作为测试集。

Fig.4 展示了其中示例。

实验结果

作者在实验阶段最重要的参数设置变化是图像大小，最大图像80*80，最小图像16*16。

对比的算法是经典的V&J人脸检测器。（估计也不好意思跟先进的算法比精度吧～）

不仅报告了精度，还报告了在CPU（I3-6006U）、树莓派3、1080Ti、1080Ti（batch size为256）上的运行fps。

请手机横屏查看下图列出的结果：

使用该文算法，在分辨率为64*64时取得了最高的精度，此时在树莓派3上也能达到实时（16.86fps）。

在分辨率16*16时取得了最快的速度，其中1080Ti（batch size为256）情况下高达15442.34fps！此时在树莓派3上也达到了49.61fps！

作者最后通过设置不同的分类阈值研究了IOU图，发现影响该算法检测精度的主要因素是定位不够精确，亦即很多时候分类器已经分类出人脸了，但定位不准。（这意味着如果能够提高定位精度，这个算法就更逆天了）

可惜的是，目前还未发现作者将此算法开源～

发】就是一种鼓励