轉自：https://blog.csdn.net/xzzppp/article/details/51692907

論文：A Convolutional Neural Network Cascade for FaceDetection

1、簡介

    CascadeCNN是對經典的Violajones方法的深度卷積網路實現，是一種檢測速度較快的人臉檢測方法。使用VGA圖片，在CPU上達到14FPS，GPU上達到100FPS，在FDDB上達到85.1%的召回率和87%的準確率。

2、總體框架

    下圖是該方法的整個流程示意圖，可以看出是3階級聯。

          級聯結構中有6個CNN，3個CNN用於人臉非人臉二分類，另外3個CNN用於人臉區域的邊框校正。給定一幅影象，12-net密集掃描整幅圖片，拒絕90%以上的視窗。剩餘的視窗輸入到12-calibration-net中調整大小和位置，以接近真實目標。接著輸入到NMS中，消除高度重疊視窗。下面網路與上面類似。

12-net, 24-net and48-net的CNN結構圖

2.1  net網路

         12-net：使用12×12的檢測視窗，以步長為4，在W×H的圖片上滑動，得到檢測視窗。實際應用中，將影象尺度變換為金字塔結構，每層都作為12-net輸入。12-net可以拒絕90%以上的視窗，大大減小了下級網路的負擔。

         24-net：在12-net的基礎上，將24×24的圖片縮放到12×12，輸入到12-net全連線層，與12-net並聯，最後一起輸出到24-net全連線層。

2.2  calibration-net網路

         該網路用於視窗校正，使用三個偏移變數：Xn:水平平移量，Yn:垂直平移量，Sn:寬高比縮放。候選框口(x,y,w,h)中，(x,y)表示左上點座標，(w,h)表示寬和高。

我們要將視窗的控制座標調整為：

          這項工作中，我們有N=5×3×3=45種模式。偏移向量三個引數包括以下值：

          Sn：(0.83,0.91,1.0,1.10,1.21)

          Xn：(-0.17,0,0.17)

          Yn：(-0.17,0,0.17)

          同時對偏移向量三個引數進行校正。

校正網路的結構如下圖所示：

Cascade CNN一定程度上解決了傳統方法在開放場景中對光照、角度等敏感的問題，但是該框架的第一級還是基於密集滑動視窗的方式進行視窗過濾，在高解析度存在大量小人臉（tiny face）的圖片上限制了演算法的效能上限。

3、檢測結果

     在FDDB資料集上進行測試，每階段的檢測視窗個數和召回率如圖所示：