人脸检测--SCRDF摘要介绍相关工作：模型损失函数实验参考：

论文：https://arxiv.org/pdf/2105.04714.pdf
代码：https://github.com/deepinsight/insightface/tree/master/detection/scrfd

摘要

（1）发现训练数据的样本分布的特点，提出了扩大随机裁剪的范围，从[0.3,1.0] 到 [0.3,2.0]

（2）发现计算量的分布策略，有两个方法：Computation search space reduction 和 Computation redistribution on backbone。

介绍

主要贡献：

（1）我们探索了VGA分辨率下人脸检测的效率，并提出了一种样本重分配策略(SR)，以帮助浅层阶段获得更多的训练样本；

（2）我们设计了一个简化的搜索空间，用于在人脸检测器的不同组成部分(主干、颈部和头部)之间重新分配计算。提出的两步计算重分配方法可以很容易地了解计算分配；

（3）在WIDER FACE上进行的大量实验表明，如图1所示，在广泛的计算范围内，提出的scfd的准确性和效率都显著提高。

相关工作：

（1）之前的方法都是局部优化，我们提出的方法是全局优化；

（2）神经体系结构搜索(Neural Architecture search, NAS)在给定可能网络的固定搜索空间内，自动找到一个好的模型。（该方法的灵感来自RegNet）

模型

论文中4.2节有说明，如下：

损失函数

The losses of classification and regression branches are Generalised Focal Loss (GFL) [16] and DIoU loss [40], respectively.
 

实验

参考：

【深度学习】【SCRFD】人脸检测模型 Sample and Computation Redistribution for Efficient Face Detection_x1131230123的博客-CSDN博客_scrfd人脸检测

最后

以上就是稳重自行车为你收集整理的人脸检测--SCRDF摘要介绍相关工作：模型损失函数实验参考：的全部内容，希望文章能够帮你解决人脸检测--SCRDF摘要介绍相关工作：模型损失函数实验参考：所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。