摘要

尽管在无控制环境下的面部检测方面已经取得了巨大进展，但在野外环境中实现准确且高效的面部定位仍然是一个开放性的挑战。本文介绍了一种名为RetinaFace的鲁棒单阶段面部检测器，该检测器通过利用联合额外监督和自我监督多任务学习的优势，在不同尺度的面部上进行像素级定位。具体而言，我们在以下五个方面做出了贡献：（1）我们手动在WIDER FACE数据集上标注了五个面部特征点，并发现这种额外的监督信号显著提高了困难面部检测的性能。（2）我们进一步添加了一个自监督网格解码分支，与现有的监督分支并行预测像素级的3D人脸形状信息。（3）在WIDER FACE困难测试集上，RetinaFace将平均精度（AP）提升了1.1%，达到了91.4%的AP值。（4）在IJB-C测试集上，RetinaFace使得最先进的方法（如ArcFace）在面部验证中的表现得到了提升（当误报率FAR为1e-6时，真接受率TAR达到89.59%）。（5）通过采用轻量级骨干网络，RetinaFace能够在单个CPU核心上实时处理VGA分辨率的图像。额外注释和代码已发布在：https://github.com/deepinsight/insightface/tree/master/RetinaFace。