目前最強效能的人臉檢測演算法（Wider Face Dataset）

接下來，我們先簡要回顧Selective Refinement Network（SRN）。如下圖1所示，它包括選擇性兩步分類(STC)、選擇性兩步迴歸(STR)和感受野增強(RFE)，這三個模組的詳細說明如下。

像Cascade RCNN這樣的多步迴歸可以提高Bounding Box位置的準確性，特別是在一些具有挑戰性的場景中，例如MS COCO風格的評估指標。然而，將多步迴歸應用於人臉檢測任務中，如果不仔細考慮，可能會影響檢測結果。

STR作用於高層Feature Map上，用來粗略調整anchor的尺度、位置（類似於RefineDet中ARM的迴歸任務），並進一步為高層Feature Map上的迴歸器提供refined後的anchor位置初始化（類似於RefineDet中ODM的迴歸任務）。

使用SRN的原始資料增強策略，包括光照扭曲、透過零填充操作進行隨機擴充套件、從影像中隨機裁剪塊，並調整塊的大小到1024×1024。另外，在機率為0.5的情況下，利用PyramidBox中的data-anchor-sampling，隨機選擇影像中的一個人臉，並基於子影像進行定位。這些資料增強方法對於防止過度擬合和構造魯棒模型至關重要。

Wider Face內小尺度人臉特別多，SRN的主幹網為：ResNet-50-FPN，可以進一步提升；ScratchDet提出了Root-ResNet，用於檢測小尺度目標，但訓練速度比原生態ResNet慢。

那麼為了保證主幹網效能好，訓練速度快，Improved SRN融合了Root-ResNet+DRN的思路。

具體地，ResNet中第一個stride = 2的7 x 7 conv，丟失了很多影像的細節資訊，對小尺度人臉檢測不利，本次的改進如下圖2，第一階段的conv整體上stride = 1，channel = 16，而非64，並新增了2個residual blocks，一方面增強特徵的表達能力，另一方面做下采樣，通道數也少了很多；整體上就是，提特徵能力強了，額外的計算開銷也減少。

由於RESNET-50-FPN主幹網已經被修改，所以不能使用ImageNet預訓練模型。一種解決方案是DRN，它在ImageNet資料集上訓練修改後的主幹，然後在更寬的面上進行細化。

然而，有人證明了ImageNet的預訓練是不必要的。因此，將訓練epoch翻了一番，達到260次，並從零開始用改進的骨幹網路訓練模型。從零開始訓練的關鍵因素之一是標準化，由於輸入量大(1024×1024)，一個24G GPU只能輸入5幅影像，導致批次歸一化從零開始訓練時效果不佳。為此，利用group=16的組規範化（Group Normalization ）從零開始訓練這個改進的ResNet-50骨幹網。

此外，最近的FA-RPN證明，人臉檢測模型若先在MS COCO上訓練一波，再在Wider Face上進一步訓練，效能會更好，Improved SRN也使用了該方案。

總結：Improved SRN中，圖2(c)中修改的主幹網，不在ImageNet上預訓練，而是直接把整個檢測網路先在MS COCO上訓練，再在Wider Face上進一步訓練即可。

為什麼MS COCO上訓練後，效果會更好呢？

文中認為是MS COCO包含了people類，而且有特別多的小尺度目標，對模型效能提升是有幫助的。

圖3 實驗結果