加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“”立刻申请入群~

WIDER FACE数据集是由香港中文大学发布的大型人脸数据集，含32,203幅图像和393,703个高精度人脸包围框，该库中人脸包含尺度、姿态、表情、遮挡和光照等变化。

WIDER FACE 几乎是目前评估人脸检测算法最权威的数据集。

RetinaFace 是今年5月份出现的人脸检测算法，当时取得了state-of-the-art，作者也开源了代码，过去了两个月，目前仅以极其微弱的精度差屈居第二名，但因为第一名的AInnoFace算法(来自北京创新奇智公司)没有开源，所以目前RetinaFace可称得上是目前最强的开源人脸检测算法。

RetinaFace来自论文RetinaFace: Single-stage Dense Face Localisation in the Wild，作者来自帝国理工学院、InsightFace、Middlesex University London、FaceSoft。

极市曾有幸邀请本论文一作邓健康博士进行线上分享，也对RetinaFace做了简单介绍，回放视频如下：第42期直播回放：邓健康-CVPR2019:构建高效的人脸识别系统

相信很多朋友对InsightFace并不陌生，它是目前针对2D与3D人脸分析(含检测、识别、对齐、属性识别等)最知名和开发者最活跃的开源库。RetinaFace代码已经并入该库。

下图为在WIDER FACE 数据集上验证集三个子集的排名靠前的算法结果曲线和精度：

下图为在WIDER FACE 数据集上测试集三个子集的排名靠前的算法结果曲线和精度：

在6个子集中，RetinaFace取得1个第一名，2个并列第1名，3个以极其微弱精度差屈居于第二名。

RetinaFace使用特征金字塔网络架构：

其主要创新点在损失函数的设计。

下图说明了RetinaFace的核心思想：

在人脸检测多任务学习中，除了传统的人脸分类损失函数和包围框回归损失函数，作者额外标注了人脸 5 点信息，并以此引入人脸对齐的额外监督信息损失函数，还引入了self-supervised解码分支预测3D人脸信息分支。

集合了更多监督信息和自监督信息，是 RetinaFace 取得成功的关键。

很多时候，人脸检测是为了后续的识别，作者特意将检测结果送入人脸验证网络，在IJB-C test set上测试结果表明可以提高ArcFace的人脸验证精度(TAR=89.59% for FAR=1e-6)。

由上图可知，相对于MTCNN，在助力人脸验证上有一致性精度提高的表现。

更为难能可贵的是，使用轻量级骨干网络，RetinaFace算法在CPU上测试VGA图片可以达到实时。如下图：

感谢作者的开源，欢迎给大佬加星！

论文地址：

https://arxiv.org/pdf/1905.00641.pdf

代码地址：

https://github.com/deepinsight/insightface/tree/master/RetinaFace

*延伸阅读

• 人脸检测与识别的趋势和分析

• 刷新WIDER Face多项记录！创新奇智提出高性能精确人脸检测算

• 以人为本的计算机视觉研究：WIDER Challenge 2019(人脸检测/行人检测/人物检索)

点击左下角“”，即可申请加入极市目标跟踪、目标检测、工业检测、人脸方向、视觉竞赛等技术交流群，更有每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流，一起来让思想之光照的更远吧~

△长按关注极市平台

觉得有用麻烦给个在看啦~