dlib cnn_face_detector 人脸检测内部实现简单记录

最近稍微研究了一下dlib人脸检测算法，在这里简单记录一下。

使用方法见  http://dlib.net/cnn_face_detector.py.html 

•   前处理

dlib给的官方链接里面是这么使用的，参数列表里面的第二项数值1，表示放大2倍再塞给网络，不想放大的话，直接设为0就可以了

dets = cnn_face_detector(img, 1)

• 模型

dib的mmod的人脸检测模型是这样的。列的很清楚了，是通过卷积网络实现的。

// ----------------------------------------------------------------------------------------

template <long num_filters, typename SUBNET> using con5d = con<num_filters,5,5,2,2,SUBNET>;
template <long num_filters, typename SUBNET> using con5  = con<num_filters,5,5,1,1,SUBNET>;

template <typename SUBNET> using downsampler  = relu<affine<con5d<32, relu<affine<con5d<32, relu<affine<con5d<16,SUBNET>>>>>>>>>;
template <typename SUBNET> using rcon5  = relu<affine<con5<45,SUBNET>>>;

using net_type = loss_mmod<con<1,9,9,1,1,rcon5<rcon5<rcon5<downsampler<input_rgb_image_pyramid<pyramid_down<6>>>>>>>>;

// ----------------------------------------------------------------------------------------

几个点需要注意，

1.一上来就有一个pyramid_down 6就是把原图按照5/6的scaling ratio去缩小，形成图像金字塔，直到最小的图像的高度小于5

下图是一个Input为375x500的图，可以看到，一共有23层的图像金字塔，最小的一层是5x6. 这也就是dlib非常慢的原因。

 2.其中的affine其实是caffe里面的scale，类似于BN，每个值放大a倍再加一个b。

• 后处理

在dlib内部会做nms，还会丢弃confidence threshould过低的结果，所以算出来的PR曲线后半截会没有掉