2.5　DSFD 人脸检测算法

最近，腾讯的人脸检测算法——DSFD（Dual Shot Face Detector，CVPR 2019）［24]继承了SSD 神经网络（而SSD 是在VGG16基础上改进的，用于目标检测），设计了特征增强模块，增强前和增强后的特征图将分别用于人脸检测，从而将基于SSD 的单检测器扩展到双检测器。如图2-7所示为DSFD 人脸检测算法的神经网络结构，图2-8所示为DSFD人脸检测算法的特征增强模块（FEM）的神经网络结构。

为了更好地理解DSFD 人脸检测算法的神经网络结构，我们从算法实现层面进行分析。DSFD 继承SSD 的人脸检测框架，在DSFD 的官方代码中［25]，SSD 网络结构（class SSD（nn.Module））的Conv3_3、Conv4_3、Conv5_3、Conv fc7、Conv6_2和Conv7_2层特征图（有关这些特征图的含义和作用请参见上述的SSH 人脸检测算法中的讲解）分别调用了特征增强模块（FEM）函数进行特征增强。而FEM 算法的代码，即class FEM（nn.Module），给出了特征增强的具体技术，self.cpm2和self.cpm4函数将感受野增大（扩张）。再结合图2-8可知，FEM 的本质思想是通过空洞卷积（Dilation Convolutional Layers）扩大感受野，并将不同感受野中的特征进行融合，有利于在宽度和深度上学习到更多的上下文信息和语义信息。简而言之，DSFD 的神经网络结构使用扩展的VGG16网络结构，使用其中的6个隐含层（Conv3_3、Conv4_3、Conv5_3、Conv fc7、Conv6_2和Conv7_2）的特征图的融合，得到6个特征图，作为第1部分（原始）特征图。然后，使用特征增强模块FEM 将上述6个隐含层的特征图分别进行增强，作为第2部分特征图（增强后的特征图）。

另外，DSFD 人脸检测算法还提出了“分层锚点渐进”式的损失函数（Progressive Anchor Loss，PAL）。原始特征图和增强后的特征图使用的损失函数不同，PAL 求两者的和，适配了不同尺寸的外接边框（anchor boxes）。在训练过程中，PAL 对整个模型形成了更有效的监督［26-27]。

DSFD 人脸检测算法的本质是对SSD 检测框架进行的改进，增加了很多有效的技术细节（尤其是特征增强技术和新的损失函数的设计），提升了其人脸检测效果。有关本算法的更多技术细节，读者可以参阅文献［25]中的源代码。