摘要

在本文中，我们提出了一种新型的人脸检测网络，该网络在人脸检测的三个关键方面做出了三项创新贡献，分别是更好的特征学习、渐进式损失设计以及基于锚点分配的数据增强。首先，我们提出了一种特征增强模块（Feature Enhance Module, FEM），用于增强原始特征图，从而将单次检测器扩展为双次检测器。其次，我们采用了由两组不同的锚点计算得出的渐进式锚点损失（Progressive Anchor Loss, PAL），以有效促进特征的学习。最后，我们通过将新颖的锚点分配策略集成到数据增强中，实现了改进的锚点匹配（Improved Anchor Matching, IAM），为回归器提供了更好的初始化。由于这些技术都与双流设计相关，我们将所提出的网络命名为双次人脸检测器（Dual Shot Face Detector, DSFD）。在流行的基准数据集WIDER FACE和FDDB上进行的大量实验表明，DSFD在性能上优于现有的最先进的人脸检测器。