張瑞國

摘要：Faster R-CNN是目標(biāo)檢測中最具有代表性和最成功的方法之一，并且在各種物體檢測應(yīng)用中變得越來越普遍。本文提出了一種基于Faster R-CNN的魯棒性深度人臉檢測方法。并且開發(fā)了一些新的技術(shù)，包括設(shè)計一個新的多任務(wù)損失函數(shù)，以及線上示例挖掘，還有多方面的多層次培訓(xùn)策略來提高Faster R-CNN的速度。所提出的方法非常適合于人臉檢測，我們稱之為Face R-CNN。并且對FDDB和WIDER FACE兩種最具有挑戰(zhàn)性的人臉檢測數(shù)據(jù)集進行了實驗，以此證明所提出方法相比于現(xiàn)有技術(shù)的優(yōu)越性。

關(guān)鍵詞：深度學(xué)習(xí)； 卷積神經(jīng)網(wǎng)絡(luò)； 人臉檢測； 候選區(qū)域； 多尺度信息融合

中圖分類號：TP301 文獻標(biāo)識碼：A 文章編號：1009-3044（2018）19-0213-05

Abstract：Faster R-CNN is one of the most representative and successful methods for object detection，and has been becoming increasingly popular in various objection detection applications. In this report， we propose a robust deep face detection approach based on Faster R-CNN. In our approach， we exploit several new techniques including new multi-task loss function design， online hard example mining， and multi-scale training strategy to improve Faster R-CNN in multiple aspects. The proposed approach is well suited for face detection， so we call it Face R-CNN. Extensive experiments are conducted on two most popular and challenging face detection benchmarks， FDDB and WIDER FACE， to demonstrate the superiority of the proposed approach over state-of-the-arts.

Key words：Deep Learning； Convolution Network； face detection； candidate region； Multi-scale Information Fusion

1 人臉檢測概述

人臉檢測是計算機視覺和模式識別領(lǐng)域中關(guān)于面部應(yīng)用中所面臨的基本問題。但是，由于真實世界的人臉圖像的顯著變化，它仍然具有很大挑戰(zhàn)性。圖1就是一個典型的例子，其中的人臉圖像表現(xiàn)出了由于遮擋，縮放，照明，姿勢和表情而引起的大量變化。

人臉檢測是目標(biāo)檢測中的一個特例。最近，基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)[20，21，19，23]在物體檢測方面取得了良好的表現(xiàn)。其表現(xiàn)最佳的是基于區(qū)域性的CNN檢測。其中Fast R-CNN[19]和Faster R-CNN [23]是最受歡迎的兩種方法。Fast R-CNN是根據(jù)感興趣的區(qū)域來進行訓(xùn)練，這是由區(qū)域建議方法（如選擇性搜索）而生成的[9]. Faster R-CNN 沿用了Fast R-CNN的基本框架，它是通過構(gòu)建區(qū)域網(wǎng)絡(luò)來對生成目標(biāo)進行改進。Faster R-CNN由于有更快的速度和更高的效率，從而成為各種檢測任務(wù)的主要框架[11，27，1]. 最近，許多基于Faster R-CNN的識別方法 [6，24，29，3]已被開發(fā)用于人臉檢測任務(wù)，并展示出了良好的性能。

盡管基于Faster R-CNN的方法取得了很大進展[6，24，29，3]，但這些方法仍然存在一些問題[6， 24， 29， 3]， 其中的一個常見問題是他們使用softmax損失函數(shù)來監(jiān)督Fast R-CNN模塊中面部/非面部分類的深度特征學(xué)習(xí)（遵循Faster R-CNN的標(biāo)準做法）。然而，已經(jīng)表明，softmax損失函數(shù)只會改善人臉特征的類間變化，但不能改善人臉特征的類內(nèi)變化。以往的研究表明，類間變化和類內(nèi)變化對于學(xué)習(xí)CNN特征的判別力非常重要。為了減少內(nèi)部的差異，同時擴大學(xué)習(xí)CNN特征的類間變化，我們通過在最初的多任務(wù)損失函數(shù)中增加一個新開發(fā)的稱為中心丟失的損失函數(shù)[33]來改進Faster R-CNN框架。 通過增加中心損失函數(shù)，可以有效減少學(xué)習(xí)特征的類內(nèi)變化，從而可以增強學(xué)習(xí)特征的判別力。

圖1：我們展示了一個有關(guān)人臉檢測的圖像，它可以代表人臉在遮擋，比例，照度，姿態(tài)和表情方面的一些變化。

因此。 為了進一步提高檢測精度，本研究還采用了在線硬示例挖掘（OHEM）技術(shù)[1]和多尺度訓(xùn)練策略。 這項工作的主要貢獻總結(jié)如下：

1） 考慮到人臉檢測的特殊性，提出了一種基于Faster R-CNN人臉檢測方法，該方法通過集成中心丟失，在線示例挖掘和多尺度訓(xùn)練等多種新興技術(shù)，實現(xiàn)人臉檢測。

2） 所提出的方法不同于可用的基于Faster R-CNN的人臉檢測方法。 首先，這是第一次嘗試使用中心損失來減少人臉檢測中的類內(nèi)差異。 其次，在我們的方法中使用在線示例挖掘不同于其他方法。 通過適當(dāng)設(shè)定正樣品和負樣品之間的比例，OHEM和中心損失函數(shù)的組合可以帶來更好的性能。

3） 所提出的方法在WIDER FACE [25]和FDDB這兩個公共領(lǐng)域的人臉檢測數(shù)據(jù)集上獲得優(yōu)于現(xiàn)有技術(shù)的性能。

2 相關(guān)工作

過去二十年來，人臉檢測因其應(yīng)用日益廣泛而得到普遍關(guān)注。早期的研究包括基于級聯(lián)的方法[17，14，2，18]和基于可變形部件模型（DPM）的方法[13，22，30]。在2004年，Viola和Jones [17]提出了基于Haar-like特征的級聯(lián)AdaBoost分類器用于人臉檢測。之后，一些工作[14，2，18]通過使用更高級的特征和分類器來提高效率和質(zhì)量[17]。除了基于級聯(lián)的人臉檢測方法外，DPM[22，30，13]提出使用可變形部分模型。DPM的方法是用一系列可變形部件來定義一張臉，并訓(xùn)練一個分類器來查找這些部件及其關(guān)系?；谏疃葘W(xué)習(xí)的方法是目前人臉檢測方面的一個主要進展。構(gòu)建級聯(lián)CNN以學(xué)習(xí)從粗到精策略的人臉檢測器。最近，有幾種方法[6，24，29，3]使用Faster R-CNN框架來改善人臉檢測性能。 [16]比以前的方法顯著提高了人臉檢測性能。

圖2：基于Faster R-CNN基本框架。 我們首先用預(yù)訓(xùn)練的卷積網(wǎng)絡(luò)提取卷積特征。 然后，由RPN產(chǎn)生候選特征（結(jié)果），F(xiàn)ast R-CNN提煉結(jié)果。 我們將中心損耗作為輔助信號添加到Fast R-CNN的分類層上。 PRN和Fast R-CNN共享底層卷積功能。

在線示例挖掘的方法已被證明對物體檢測任務(wù)有效。 在文獻[1]中，作者提出了一個在線示例挖掘（OHEM）算法（使用Fast R-CNN框架進行訓(xùn)練）來提高對象檢測性能。 [24，29，12]也使用示例挖掘算法來提高人臉檢測的性能。

損失函數(shù)在深度卷積網(wǎng)絡(luò)中也起著關(guān)鍵作用。 深度卷積網(wǎng)絡(luò)中最廣泛使用的損失函數(shù)是softmax損失函數(shù)。 然而，softmax損失函數(shù)關(guān)注于類間差異，而忽略了特征學(xué)習(xí)中的類內(nèi)變化，這會影響分類精度。 為了增強學(xué)習(xí)特征的判別能力，最近在深度卷積網(wǎng)絡(luò)中使用了對比損失[32，34]和三重損失[5]。 中心損失[33]是通過最小化樣本與學(xué)習(xí)中心之間的距離來提出的。 中心損失高效，易于實施，并且可以很好地推廣到其他視覺任務(wù)。 在這份報告中，我們將使用中心損失來改善人臉檢測的性能。

3 基于R-CNN的人臉檢測研究

由于Faster R-CNN框架在目標(biāo)檢測任務(wù)中獲得了很大成功，我們可以將其用作設(shè)計人臉檢測新模型的通用平臺?？紤]到人臉檢測任務(wù)的具體屬性，我們從多個方面改進了R-CNN框架。首先，基于新開發(fā)中心損失函數(shù)[33]，我們在Fast R-CNN模型中設(shè)計了一個新的多任務(wù)損失函數(shù)，用于監(jiān)督面部/非面部分類的有差異的深度學(xué)習(xí)特征。其次，在深度學(xué)習(xí)中，我們使用在線示例挖掘算法[1]生成樣本（其中正樣本與負樣本的比率設(shè)置為1：1）以供后續(xù)處理。第三，我們使用多尺度訓(xùn)練策略來幫助提高檢測性能。通過整合上述技術(shù)，所提出的方法非常適合于人臉檢測任務(wù)，這得到了我們實驗結(jié)果的驗證。因此我們稱之為Face R-CNN。 Face R-CNN的詳細算法詳述如下：

3.1 Faster R-CNN基本結(jié)構(gòu)

我們使用Faster R-CNN框架[23]作為基礎(chǔ)架構(gòu)。如圖2，它包含一個基本的卷積層，一個區(qū)域網(wǎng)絡(luò)（RPN）模塊和一個Fast R-CNN模塊。在基本的卷積網(wǎng)絡(luò)中，通過卷積層和最大池化層對輸入圖像進行處理，并生成卷積特征圖。RPN模塊在要識別圖像中產(chǎn)生一組矩形方框，這些方框很可能包含面部結(jié)構(gòu)，卷積特征圖的頂部具有完全卷積網(wǎng)絡(luò)builton。RPN的損耗層含有二元分類層和邊界框回歸層。然后將生成的區(qū)域圖像輸入到Fast R-CNN模塊并作為感興趣區(qū)域。用RoI池化層進行處理以提取固定長度的特征向量。將最終的輸出是用于分類和回歸這兩個完全連接的層。在RPN階段，分類和回歸的學(xué)習(xí)應(yīng)用是基于錨的方法。 也就是說，一組預(yù)定義的框我們將它稱為錨，用作回歸的框引用。

錨與框的大小與長寬相關(guān)，以便可以覆蓋各種形狀的邊界框。 我們的框架和Faster R-CNN之間的主要區(qū)別在于Fast R-CNN模塊。我們是根據(jù)新開發(fā)的中心損失函數(shù)設(shè)計了一個新的多任務(wù)丟失函數(shù)來監(jiān)督特征學(xué)習(xí)，如下一節(jié)所述。

3.2 損失函數(shù)

3.2.1 中心損失函數(shù)

這是一種新開發(fā)的損失函數(shù)，并且在人臉識別任務(wù)中得到了良好的驗證。 中心損失函數(shù)的基本思想是鼓勵網(wǎng)絡(luò)學(xué)習(xí)最小化類內(nèi)差異的區(qū)分特征，同時擴大類間變化。

中心損失函數(shù)的公式如下：

其中[x]表示輸入特征向量，[cyi]表示[yi]th中心。 這些中心在每次迭代時都會根據(jù)最小批次進行更新，因此可以輕松地使用標(biāo)準SGD進行培訓(xùn)。 對于人臉檢測任務(wù)，只有兩個中心分別代表面部和非面部。 我們的目的是最大限度地減少類內(nèi)變化。

有一點需要注意的是，中心損失函數(shù)應(yīng)該與softmax損失函數(shù)一起優(yōu)化[33]。 已經(jīng)表明，中心損失函數(shù)在減少類內(nèi)變化方面非常有效，softmax損失函數(shù)在最大化學(xué)習(xí)特征的類間變化方面具有某些優(yōu)點。 因此，使用中心損失函數(shù)和softmax損失函數(shù)的組合來對特征進行判別是非常合理的。

3.2.2 多任務(wù)損失函數(shù)

在RPN階段，我們將多任務(wù)損失函數(shù)最小化。損失函數(shù)是分類損失與回歸損失的組合。 分類損失是背景/前景類別上的softmax損失。回歸損失我們采用的是SmoothL1損失。

對于Fast R-CNN階段，我們根據(jù)之前介紹的中心損失函數(shù)設(shè)計了一個多任務(wù)損失。 我們對分類任務(wù)使用中心損失函數(shù)和softmax損失函數(shù)來進行的聯(lián)合監(jiān)督，對邊界框回歸任務(wù)使用SmoothL1損失。

整個損失函數(shù)被表達為：

公式中，[p]是所選區(qū)域中是否為人臉的預(yù)測概率。如果是人臉，則[p*]是1，如果不是，則為0。[t]是表示預(yù)測邊界框的4個參數(shù)化坐標(biāo)的矢量，并且[t*]是真實值的坐標(biāo)。SmoothL1損失用于回歸。 超參數(shù)[λ]，[μ]控制三項損失之間的權(quán)重。

3.3 在線示例挖掘

在線示例挖掘（OHEM）是一種簡單而有效的自舉技術(shù)。其核心思想是找出那些未能正確預(yù)測出的人臉圖像并將它們提供給網(wǎng)絡(luò)。

圖3：WIDER FACE驗證集和測試集上的回歸曲線。所有這些方法都使用相同的Scenario-Int標(biāo)準[25]。我們的方法（Face R-CNN）通過驗證和測試集中的三個子集（簡單，中等和困難）始終獲得優(yōu)于先前方法的優(yōu)越性能，從而在這一具有挑戰(zhàn)性的環(huán)境中設(shè)置了新的最新技術(shù)基準。

為了加強判別力，我們再次進行嘗試。 由于損失函數(shù)可以展現(xiàn)出當(dāng)前的網(wǎng)絡(luò)表現(xiàn)，我們會根據(jù)其損失函數(shù)對生成的建議進行排序，并將N個表現(xiàn)最差的示例展示出來。

標(biāo)準OHEM可能會遇到數(shù)據(jù)不平衡的問題，因為選定的正樣本中可能包含大量的負樣本（反之亦然）。我們注意到，在使用中心損失函數(shù)的學(xué)習(xí)過程中保持正面和負面訓(xùn)練樣本的平衡非常重要。為此，我們將OHEM分別應(yīng)用于正樣本和負樣本，并在小微量批次中將正樣本和負樣本的比例設(shè)置為1：1。在訓(xùn)練期間，OHEM以交替的方式進行在線SGD訓(xùn)練。 對于SGD迭代，OHEM通過執(zhí)行當(dāng)前網(wǎng)絡(luò)的正向傳遞完成。 然后在下一次迭代中將所選的示例饋送到網(wǎng)絡(luò)。

3.4 多尺度訓(xùn)練

我們沒有在FasterR-CNN框架中對所有訓(xùn)練圖像使用固定比例，而是在訓(xùn)練過程中通過將原始圖像調(diào)整為不同大小來為每幅圖像設(shè)計一個多尺度表示。 通過這種方式，學(xué)習(xí)模型更適合于低分辨率的人臉。 在測試過程中，相應(yīng)地執(zhí)行多尺度測試，并將不同尺度下的圖像合并為最終輸出。

4 實驗

我們對WIDER FACE [25]和FDDB [28]這兩個公共領(lǐng)域的人臉檢測數(shù)據(jù)集進行了大量的實驗。WIDER FACE數(shù)據(jù)集在32，203幅圖像中總共收集了393，703張貼有標(biāo)簽的人臉，其中50%用于測試，40%用于訓(xùn)練，10%用于驗證。這是公有領(lǐng)域中最具挑戰(zhàn)性的人臉檢測數(shù)據(jù)集。 FDDB是另一個眾所周知的人臉檢測數(shù)據(jù)集。 它包含2，845張圖像中的5，171張標(biāo)簽面。 圖5展示了WIDER FACE和FDDB的一些例子。

4.1 具體實施細節(jié)

我們使用VGG19和ImageNet預(yù)先訓(xùn)練好的模型來進行訓(xùn)練。在RPN階段，錨點跨越多個比例和長寬比。當(dāng)IoU比率大于等于0.7時，我們將其定義為正樣本，低于0.3時，定義為負樣本。在Fast R-CNN階段，我們定義IoU比率高于0.5為正樣本，IoU比率在0.1和0.5之間的負樣本。我們使用softmax損失函數(shù)和中心損失函數(shù)來共同監(jiān)督學(xué)習(xí)。

在RPN階段，我們采用非最大抑制（NMS）。將NMS的IoU設(shè)置為0.7。接著，制定了總共2000個目標(biāo)，然后使用OHEM方法處理這些目標(biāo)以選擇可作為Fast R-CNN訓(xùn)練的樣本。RPN的最小批量大小為256，F(xiàn)ast R-CNN的最小批量大小為128。這就是我們在工作中采用的聯(lián)合訓(xùn)練的方法。

我們進行大規(guī)模多尺度的訓(xùn)練，并且將輸入圖像調(diào)整為多個不同的尺度。在測試階段，也進行多尺度測試，并在訓(xùn)練階段使用相同的圖像尺度進行訓(xùn)練。

4.2 基準比較

4.2.1 WIDER FACE數(shù)據(jù)集

WIDER FACE有三個子集（簡單，中等和困難）用于根據(jù)不同難度級別進行評估。遵循（Scenario-Int）設(shè)定的標(biāo)準，我們在WIDER FACE訓(xùn)練集上訓(xùn)練模型，并對WIDER FACE的驗證集和測試集進行評估實驗。如圖3所示，在WIDER FACE的驗證集合和測試集中，所提出的Face R-CNN始終在三個子集中獲得第一名，在WIDER FACE上。顯著優(yōu)于現(xiàn)有結(jié)果[16，3，12，2，26，25]。

4.2.2 FDDB數(shù)據(jù)集

FDDB是應(yīng)用比較廣泛的人臉檢測數(shù)據(jù)集 [28]，其中規(guī)定了兩種評估協(xié)議，分別用于10倍的交叉驗證和無限制訓(xùn)練。我們的實驗嚴格遵循無限制訓(xùn)練（使用FDDB以外的數(shù)據(jù)進行訓(xùn)練）。

在文獻[16]中，我們使用WIDER FACE的訓(xùn)練集來訓(xùn)練我們的模型（在圖4中表示為Model-A），并與FDDB上最近公布的頂級方法[16，12，4，31，15]進行比較。所有這些方法都使用[28]中定義的無限制訓(xùn)練協(xié)議（使用FDDB以外的數(shù)據(jù)進行訓(xùn)練）。如圖4，根據(jù)訓(xùn)練結(jié)果我們繪制出了這些方法的離散ROC曲線和連續(xù)ROC曲線，從中我們可以看出，我們的方法始終能夠?qū)崿F(xiàn)離散ROC曲線和連續(xù)ROC曲線方面的最新性能。而且，我們的離散ROC曲線優(yōu)于（高于）以前的最佳曲線[16]。盡管我們的連續(xù)ROC曲線低于最佳曲線[31]，但我們的離散ROC曲線遠高于最佳曲線[31]。此外，我們對訓(xùn)練集進行放大（通過增加一個收集的數(shù)據(jù)集進行人臉檢測），并訓(xùn)練我們的人臉檢測數(shù)據(jù)（表示為模型-B）。模型-B的離散和連續(xù)ROC曲線也繪制在圖4中。不出所料，我們提出的Face R-CNN的性能可以進一步提高。而且，在2000個目標(biāo)中，我們獲得了98.74%的離散ROC曲線的準確率，這是FDDB上所有已發(fā)表方法中最新的技術(shù)。

5 結(jié)論

在這份技術(shù)報告中，我們提出了一個強大的人臉檢測模型，稱為Face R-CNN，它集成了幾項新開發(fā)的技術(shù)，包括新的多任務(wù)丟失函數(shù)設(shè)計，在線示例挖掘和多尺度訓(xùn)練。 并對所提出的方法進行了驗證。

結(jié)果顯示我們有更好的WIDER FACE面部數(shù)據(jù)集和FDDB數(shù)據(jù)集。實驗結(jié)果表明我們的方法優(yōu)于現(xiàn)有技術(shù)。

參考文獻：

[1] A.Shrivastava，A.Gupta，and R.Girshick.Training Region-based Object Detectors with Online Hard Example Mining.In IEEE Conference on Computer Vision and Pattern Recognition（CVPR），2016.

[2] B.Yang，J.Yan，Z.Lei，and S.Z.Li.Aggregate channel features for multi-view face detection.In IJCB，

2014.

[3] C.Zhu，Y.Zheng，K.Luu，and M.Savvides.CMS-RCNN：Contextual multi-scale region-based cnn for

unconstrained face detection.arXiv preprint arXiv：1606.05413，2014.

[4] E.Ohn-Bar and M.Trivedi.To Boost or Not to Boost？On the Limits of Boosted Trees for Object Detection.In International Conference on Pattern Recognition（ICPR），2016.

[5] F.Schroff，D.Kalenichenko，and J.Philbin.Facenet：A unified embedding for face recognition and clustering.In IEEE Conference on Computer Vision and Pattern Recognition（CVPR），2015.

[6] H.Jiang and E.Learned-Miller.Face detection with the Faster R-CNN.arXiv preprint arXiv：1606.03473，2016.

[7] H.Li，Z.Lin，X.Shen，J.Brandt，and G.Hua.A convolutional neural network cascade for face detection.In IEEE Conference on Computer Vision and Pattern Recognition（CVPR），2015.

[8] H.Qin，J.Yan，X.Li，andX.Hu.Joint training of cascaded cnn for face detection.In IEEE Conference on Computer Vision and Pattern Recognition（CVPR），2016.

[9] J.Uijlings，K.van de Sande，T.Gevers，and A.Smeulders.Selective search for object recognition.International Journal of Computer Vision（IJCV），2013.

[10] J.Yu，Y.Jiang，Z.Wang，Z.Cao，and T.Huang.Unitbox：An advanced object detection network.In ACM MM，2016.

[11] K.He，G.Gkioxari，P.Dollr，and R.Girshick.Mask R-CNN.arXiv preprint arXiv：1703.06870，2017.

[12] K.Zhang，Z.Zhang，Z.Li and Y.Qiao.Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks.IEEE Signal Processing Letters，2016.

[13] M.Mathias，R.Benenson，M.Pedersoli，and L.Van Gool.Face detection without bells and whistles.In European Conference on Computer Vision（ECCV），2014.

[14] M.Pham，Y.Gao，V.Hoang，and T.Cham.Fast polygonal integration and its application in extend-ing haarlike features to improve object detection.In IEEE Conference on Computer Vision and PatternRecognition（CVPR），2010.

[15] Open source code and models.MXNet.https：//github.com/tornadomeet/mxnet-face#

face-detection/，2016.

[16] P.Hu and D.Ramanan.Finding Tiny Faces.In IEEE Conference on Computer Vision and Pattern Recognition（CVPR），2017.

[17] P.Viola and M.J.Jones.Robust real-time face detection.IJCV，2004.

[18] Q.Zhu，M.-C.Yeh，K.-T.Cheng， and S.Avidan.Fast human detection using a cascade of histograms of oriented gradients.In IEEE Conference on Computer Vision and Pattern Recognition（CVPR），2006.

[19] R.Girshick and J.P.N.Fotheringham-Smythe and G.Gamow.Fast R-CNN.In IEEE International Conference on Computer Vision（ICCV），2015.

[20] R.Girshick，J.Donahue，T.Darrell，and J.Malik.Rich feature hierarchies for accurate object detection and semantic segmentation.In IEEE Conference on Computer Vision and Pattern Recognition （CVPR），2014.

[21] R. Girshick，J.Donahue，T.Darrell，and J.Malik.Region-based convolutional networks for accurate object detection and segmentation.TPAMI，2015.

[22] R.Ranjan，V.M.Patel，and R.Chellappa.A deep pyramid deformable part model for face detection.CoRR，2015.

[23] S. Ren， K. He， R. Girshick， and J. Sun. Faster R-CNN： Towards real-time object detection with region proposal networks. In Advances in neural information processing systems， 2015.

[24] S. Wan， Z. Chen， T. Zhang， B. Zhang， and K. Wong. Bootstrapping face detection with hard negative examples. arXiv preprint arXiv：1608.02236， 2016.

[25] S. Yang， P. Luo， C.-C. Loy， and X. Tang. Wider face： A face detection benchmark. In IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2016.

[26] S. Yang， P. Luo， C. C. Loy， X. Tang. From Facial Parts Responses to Face Detection： A Deep Learning Approach. In IEEE International Conference on Computer Vision （ICCV）， 2015.

[27] T. Lin， P. Dollr， R. Girshick， K. He， B. Hariharan， and S. Belongie. Feature Pyramid Networks for Object Detection. In IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2017.

[28] V. Jain and E. Learned-Miller. FDDB： A benchmark for face detection in unconstrained settings. Technical Report UMCS-2010-009， 2010.

[29] X. Sun， P. Wu， and S. Hoi. Face Detection using Deep Learning： An Improved Faster RCNN Approach.arXiv preprint arXiv：1701.08289， 2016.

[30] X. Zhu and D. Ramanan. Face detection， pose estimation， and landmark localization in the wild. In IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2012.

[31] Y. Li， B. Sun， T. Wu， and Y. Wang. Face Detection with End-to-End Integration of a ConvNet and a 3D Model. In European Conference on Computer Vision （ECCV）， 2016.

[32] Y. Sun， X. Wang， and X. Tang. Deep learning face representation by joint identification-verification. In Advances in Neural Information Processing Systems， 2014.

[33] Y. Wen， K. Zhang， Z. Li， and Y. Qiao. A Discriminative Feature Learning Approach for Deep Face Recognition. In European Conference on Computer Vision （ECCV）， 2016.

[34] Y. Wen， Z. Li， and Y. Qiao. Latent factor guided convolutional neural networks for age-invariant face recognition. In IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， 2016.