摘要

面部检测作为多种应用的基础技术，通常部署在内存有限且计算能力较低的边缘设备上。本文介绍了一种适用于边缘设备的轻量级快速面部检测器（Light and Fast Face Detector, LFFD）。所提出的方法无锚点且属于单阶段检测类别。具体而言，我们重新审视了在面部检测背景下感受野（Receptive Field, RF）和有效感受野（Effective Receptive Field, ERF）的重要性。本质上，某一层中的神经元的感受野在输入图像中呈规律分布，这些感受野可以被视为天然的“锚点”。通过结合RF“锚点”和适当的RF步幅，所提出的方法理论上可以实现对连续人脸尺度范围的100%覆盖。对ERF与人脸尺度关系的深入理解激发了一种高效的单阶段检测主干网络设计。该主干网络具有八个检测分支和共享层，从而实现了高效计算。我们在流行的基准数据集WIDER FACE和FDDB上进行了全面而广泛的实验，并提出了一个新的面向应用的评估方案。根据新的评估方案，所提出的方法在多个指标上均表现出优异的精度（WIDER FACE验证/测试 — 简单：0.910/0.896，中等：0.881/0.865，困难：0.780/0.770；FDDB — 非连续：0.973，连续：0.724）。为了评估运行效率，我们介绍了多种硬件平台。所提出的方法可以在模型大小为9 MB的情况下获得较快的推理速度（NVIDIA TITAN Xp：640x480分辨率下131.45帧每秒；NVIDIA TX2：160x120分辨率下136.99帧每秒；Raspberry Pi 3 Model B+：160x120分辨率下8.44帧每秒）。