---
tags: Human Face
---
# Face R-CNN (2017)
騰訊基於`Faster R-CNN`通用目標檢測框架做`人臉偵測`
> 針對人臉的特殊性進行優化
## 優化方向
1. 增加`center loss`，提高正負樣本的差異性。
2. Online Hard Example Mining，提高針對hard sample的分類能力
3. 多尺度訓練

## Center Loss
$$
L_c(x)=\frac{1}{2}\sum^m_{i=1} \| x_i-c_{y_i} \| ^2_2
$$
- $x$ input feature vector
- $c_{y_{i}}$ denotes the $y_i$th class center
> softmax 只注重在類與類之間的差異

## OHEM
positive hard samples to the negative hard samples to 1:1
1. 按照分類的 loss 將 `pos example` 以及 `neg example` 排序
2. 分別選出前 $N$ 筆 data
3. 重新 forward `stage 1` 去更新 `stage 2` 參數。

## Multi-Scale Training
image resize成不同的大小進行訓練，以便能覆蓋不同分辨率。
> 3小啦
## Model Structure
- vgg19 為 pre-train model

## 神秘的地方
1. 非人臉有辦法找到一個好的 class center ?
2. 主打的針對人臉特殊性的點在哪＝Ａ＝