SSH: Single Stage Headless Face Detector
ICCV2017
https://github.com/mahyarnajibi/SSH
本文的人臉檢測算法走的是又快又好的路子，類似於目標檢測中的 SSD算法思路。
時間上面用GPU 800x1200 100ms/f
SSH is designed to decrease inference time, have a low memory foot-print, and be scale-invariant， single-stage detector
本文設計的人臉檢測算法簡稱爲 SSH，希望速度快，佔用內存少，尺度不變性。它是一個單步驟檢測器
3 Proposed Method
3.1. General Architecture
主要是在網絡不同深度的卷積層進行人臉檢測
SSH 對網絡不同位置上，即不同尺度的特徵圖上接入了三個檢測模塊，檢測模塊由 a convolutional binary classifier and a regressor 構成
這裏我們採用了類似 RPN 策略來構建 anchor set，採用滑動窗口的方式，每個位置定義具有不同尺度的 K 個 anchors，這裏我們的長寬比是1。如果輸入檢測模塊的特徵圖大小爲 W×H， 那麼一共有 W×H×K 個anchors
detection module
Context Module
incorporate context by enlarging the window around the candidate proposals，
SSH mimics this strategy by means of simple convolutional layers
Scale-Invariance Design
這裏檢測人臉 在網絡的三個不同卷積層使用了 三個檢測模塊 M1，M2，M3, 這三個檢測模塊使用的步長分別爲 8, 16，32 ，用於檢測 大、中、小人臉
3.4. Training
不同尺寸的人臉對用不同的檢測模塊進行訓練
3.4.1 Loss function
損失函數的定義
3.5. Online hard negative and positive mining
去除一些簡單的負樣本
4 Experiments
WIDER face detection benchmark
檢測時間
輸入圖像尺寸的影響
創新點：
1：檢測model
2：OHEM方法