欢迎来到《每周CV论文推荐》。在这个专栏里,还是本着有三AI一贯的原则,专注于让大家能够系统性完成学习,所以我们推荐的文章也必定是同一主题的。

人脸图像是整个图像处理领域里面研究时间最长,应用最广的方向,今天给大家介绍入门深度学习人脸检测必读的文章。

作者&编辑 | 言有三


1 Faceness-Net


传统的人脸检测算法有一类是分别检测人脸各个组件,然后融合,深度学习早期也有文章做同样的研究,即Faceness-Net。作为最早期的尝试,感兴趣的同学可以简单阅读。

文章引用量:40+

推荐指数:✦✦✦✧✧



【每周CV论文推荐】 深度学习人脸检测入门必读文章_人脸检测


[1] Yang S, Luo P, Loy C C, et al. Faceness-net: Face detection through deep facial part responses[J]. IEEE transactions on pattern analysis and machine intelligence, 2017, 40(8): 1845-1859.


2 Cascade CNN


Cascade CNN来源于2015年CVPR上的一篇论文A Convolution Neural Network Cascade for Face Detection,可以认为是传统技术和深度网络相结合的一个代表,和VJ人脸检测器一样,其包含了多个分类器,这些分类器采用级联的结构进行组织,不同之处在于Cascade CNN使用卷积网络作为每一级的分类器。

文章引用量:600+

推荐指数:✦✦✦✦✦



【每周CV论文推荐】 深度学习人脸检测入门必读文章_开源项目_02


[2] Li H, Lin Z, Shen X, et al. A convolutional neural network cascade for face detection[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2015: 5325-5334.


3 MTCNN


MTCNN同Cascade CNN一样也是基于Cascade的框架,但是整体思路更加巧妙合理,并且将人脸检测和人脸关键点检测任务同时完成。

文章引用量:900+

推荐指数:✦✦✦✦✦



【每周CV论文推荐】 深度学习人脸检测入门必读文章_深度学习_03


[3] Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks[K. Zhang al., 2016


4 RCNN系列的应用


Faster RCNN是一个很好的框架,自然会被用于人脸检测,而在线负样本挖掘,center loss等策略可以让Faster RCNN框架更好地被应用于人脸检测任务。

文章引用量:200+

推荐指数:✦✦✦✧✧



【每周CV论文推荐】 深度学习人脸检测入门必读文章_深度学习_04


[4] Jiang H, Learned-Miller E. Face detection with the faster R-CNN[C]//2017 12th IEEE International Conference on Automatic Face & Gesture Recognition (FG 2017). IEEE, 2017: 650-657.

[5] Wang H, Li Z, Ji X, et al. Face R-CNN[J]. 2017.


5 DenseBox


Densebox是一个多尺度的FCN框架,不基于Anchor机制,直接在图像上预测出目标的边框及类别,通过与人脸关键点任务的配合可以提高检测的精度。

文章引用量:100+

推荐指数:✦✦✦✧✧



【每周CV论文推荐】 深度学习人脸检测入门必读文章_开源项目_05


[6] Huang L, Yang Y, Deng Y, et al. Densebox: Unifying landmark localization with end to end object detection[J]. arXiv preprint arXiv:1509.04874, 2015.