摘要

高性能人脸检测仍然是一个极具挑战性的问题，尤其是在存在大量小尺寸人脸的情况下。本文提出了一种新颖的单次检测器，称为选择性精炼网络（Selective Refinement Network, SRN），该网络在基于锚框的人脸检测器中引入了创新的两步分类和回归操作，以减少误检并同时提高定位精度。具体而言，SRN 包含两个模块：选择性两步分类（Selective Two-step Classification, STC）模块和选择性两步回归（Selective Two-step Regression, STR）模块。STC 模块旨在从低层检测层中过滤掉大多数简单的负样本锚框，从而缩小后续分类器的搜索范围；而 STR 模块则设计用于粗略调整高层检测层中的锚框位置和大小，为后续回归器提供更好的初始化。此外，我们设计了一个感受野增强（Receptive Field Enhancement, RFE）模块，以提供更加多样的感受野，这有助于更好地捕捉一些极端姿态下的人脸。因此，所提出的 SRN 检测器在所有广泛使用的人脸检测基准数据集上均达到了最先进的性能，包括 AFW、PASCAL Face、FDDB 和 WIDER FACE 数据集。代码将对外发布，以便进一步研究人脸检测问题。