腾讯优图推出名为DSFD（中文名为双分支人脸检测器）的全新算法

近年来，卷积神经网络在人脸检测中取得了很大的成功，然而这些方法在处理人脸中多变的尺度，姿态，遮挡，表情，光照等问题时依然比较困难。为此，腾讯优图推出名为DSFD（中文名为双分支人脸检测器）的全新算法，该算法在著名人脸检测数据集上取得喜人结果，如今腾讯优图决定将之进行开源。

腾讯优图的研究员们发现，虽然之前的人脸检测算法大都采用深度学习模型，并在特征学习的过程中也有采用特征金字塔网络（FeaturePyramidNetwork），但在面对遮挡、暗光、大姿态、小脸等复杂场景时，仍容易出现误检或漏检的情况。因此，在FPN基础上，腾讯优图团队采用了3种不同级联方式的空洞卷积（DilatedConvolution），设计了特征增强模块FEM，充分学习到了不同感受野下的人脸特征。

本文提出了一种新的方法，分别处理了人脸检测方向的三个关键点，包括更好的特征学习，渐进式的损失函数设计以及基于锚点分配的数据扩充：

（1）新的「特征增强」模块（FEM：FeatureEnhanceModule）

FEM在采用Top-Down层间信息融合的同时，在同一「感受野」内做了更多的enhancement。因此在widthanddepth上学习到了更有效的context和semantic信息。

（2）「分层锚点渐进」式的代价函数监督（PLA：ProgressiveAnchorLoss）

模型采用2个层级（hierarchy），基于第一层（low-level）和第二层（high-level）的差异性，适配了不同尺寸的anchor。在训练过程中，PAL对整个模型形成了更有效的监督。

（3）「改进的锚点匹配策略」（Improved Anchor Matching Strategy）

One-stagedetector由于在输出层分配有密集的anchor，anchor与face匹配的好坏直接影响训练效果。优图的研究人员dataaugmentation过程中充分考虑了不同大小的face和各个anchor的关系，提出了一种新的数据扩增法。

DSFD 算法

该算法已被计算机视觉顶级会议CVPR 2019接收，原文《DSFD:DualShotFaceDetector》由南京理工大学计算机科学与工程学院PCALab与腾讯优图实验室合作完成。

在两个著名的人脸检测数据集WIDERFACE和FDDB的5个评测维度上，DSFD算法均刷新了当时的世界纪录，取得了Top1的人脸检测结果：

WIDER FACE 评测结果

FDDB 评测结果

为了与更多同行探讨DSFD算法的实际应用，腾讯优图在近日公布了开源地址：

Github开源地址：https://github.com/TencentYoutuResearch/FaceDetection-DSFD

据了解，目前腾讯优图的人脸检测技术已在安防、金融、社交、交通等多个应用场景落地，并在手机QQ、微众银行、天天P图等多个公司内外部产品上进行应用验证。