ICCV2017的paper 作者是自动化所的直博生，一直都在做这一块，这两年各种paper，可以follow一下。感叹一下，人与人之间的差距，有时候比人与狗之间还要大。嘤嘤嘤

这篇文章是对ssd在人脸检测上的改进，写的蛮好的，通俗易懂，逻辑很清晰。是一篇实验性很强的paper吧。
现有问题：基于anchor的检测在目标变小的时候效果下降的很厉害。
原因作者觉得有如下三点（图片截取于）

对应这三个问题，作者提出如下解决方案：

1.scale-equtable framework
检测层中的stride意味着anchor之前的间隔，这里的stride设置为anchor大小的四分之一，这是为了保证不同尺度的anchor有相同的强度，这样不同尺度的人脸可以match到数量相同的anchor.
这里还讨论了theoritically receptive field 和 effective receptive field 的关系。实际上work的感受野是在原始感受野的中间。因此设定了anchor 与rf之间的大小的关系，肯定要比rf小。

2.scale compensation anchor matching strategy
在训练时，需要确认的是哪一个anchor可以匹配ground truth（这里特指人脸）的 bounding box 。现有的策略是计算交并比  首先对每个gt交并比的最大值的anchor进行匹配（该步骤是为了保证每个gt都有匹配的anchor）  其次，将所有交并比大于阈值（0.5）的anchor 进行匹配 现有的方法存在一个问题，就是anchor的尺度是离散的，但是人脸的尺度是连续的，这会导致有些尺度的人脸匹配到的anchor很少 recall降低。 通过观察，匹配的anchor为3 并不足以让recall变高 匹配的anchor数量和anchor尺度正相关。  未解决上述问题，本文提出scale compensation anchor matching strategy 1. 将阈值从0.5降到0.35，提高匹配anchor数量 2.如果gt匹配的anchor数量还不够，那么就对这些gt做如下处理，在所有阈值大于0.1的anchor中选取top n个anchor ,n的值是第一步中的匹配anchor的平均值。

1. max-out backgound label
   针对的是样本不均衡的问题 根据统计 预设的anchor中近99%都是负样本。这是因为检测小的人脸样本问题，设置了很多小的anchor。如图所示 一张640*640的图里有34125个anchor，其中百分之75来至于conv3_3,小anchor 所在的层。这些小anchor大部分都是负样本。因此，对conv3_3的detection层进行操作，

实验结果：

作者：涂山容容
链接：https://www.jianshu.com/p/81aae947289e