简介
源码地址：https://github.com/mahyarnajibi/SSH
论文：https://arxiv.org/abs/1708.03979
本文主要介绍一篇论文ssh人脸检测，来自iccv2017。这篇文章并没有采用的是two stage检测的方法，如R-CNN、SPP-NET、Fast R-CNN、Faster R-CNN、R-FCN、Mask RCNN 首先寻找proposal，然后再分类。而这篇文章采用的是yolo，SSD one stage的方法。
特点： 速度快，能检测小脸。
效果如图所示：
Motivation
基于级联的人脸检测依靠图像金字塔，图像金字塔的存在会导致检测速度变慢。因此这篇文章设计了one stage的检测方法，利用不同层的网络感受野不同，设置不同的不同的anchor，最终效果又好又快。
算法
该算法使用的网络结构来自VGG16。一共有3个输出，负责不同大小的人脸。最后的输出是一个wxh大小的feature map，每个位置定义k个anchor，则一共有wxhxk个anchor，
尺度不变
在人脸检测中为了检测不同大小的人脸，一般需要对输入图像做金字塔缩放操作，这样的操作是很费时的，SSH在这里使用三个不同的卷积模块M1，M2,M3用来检测small，medium，large face。主要原因是不同的卷积层对应不同的感受野。测试时，通过NMS将不同的检测框合并。
上下文模块
Context特征对于检测是十分重要的，在two stage检测中，主要通过增大滑过候选框的窗口进行。SSH借鉴这个原理使用 7x7,5x5增大感受野，为了减少参数使用连续的3x3代替5x5,7x7。
结果
参考论文，待续