WIDER FACE评测结果出炉：滴滴人脸检测DFS算法摘冠

【TechWeb】4月26日消息，近日，世界权威的人脸检测公开评测集WIDER FACE公布最新评测结果，滴滴AI Labs团队联合北京邮电大学PRIS团队提出的人脸检测DFS算法，在WIDER FACE的Easy、Medium和Hard三个评测子集的六项评估结果中, 超过了国内外众多科技公司和高校院所，取得了五项第一、一项第二的成绩。

公开资料显示，WIDER FACE由香港中文大学于2016年建立，共包含32,203张图像和393,703个人脸标注。其中40%的数据为训练集（Training），10%的数据为验证集（Validation），50%的数据为测试集（Testing）。每个集合中的数据根据人脸检测的难易程度分为“Easy”、“Medium”、“Hard”。

由于汇集了人脸尺寸大小变化、拍照角度引起的人脸姿态变化、不同程度的人脸遮挡、表情变化、光照强弱差异以及化妆等多种影响因素，该数据集在全球人脸检测领域极具挑战性，每次评测均会吸引多家国内外科技巨头及高校院所（包含卡耐基梅隆大学、加州大学圣地亚哥分校、北航、浙大、京东、腾讯优图、百度、华为云、IBM沃森研究院等）在这个数据集上验证了自己的算法效果。

最新评测结果显示， AI Labs团队提出的DFS算法在WIDER FACE人脸检测平台中，在官方验证集和测试集的六项评估结果中取得五项第一、一项第二。其中在“Easy”、“Medium”和“Hard”三个测试子集中，DFS算法性能分别达到96.3% AP，95.4% AP，90.7% AP。

DFS算法以卷积神经网络中的特征融合为切入点，为了防止高层特征图上的语义信息覆盖低层特征图上的细节信息，提出了特征融合金字塔（Feature Fusion Pyramid）结构，其以空间和通道注意力机制的方式融合高低层特征，在不失细节信息的同时将语义信息作为上下文线索（contextual cues）增强低层特征；另外，DFS算法提出了一种辅助训练单阶段检测器的语义分割分支（Semantic Segmentation branch），促使检测网络以一种自监督的方式实现注意力机制以及学到更好的特征。具体地说，DFS算法独特的语义分割分支分层地利用更强的语义分割监督信息监督训练网络，使得用于预测人脸的各级特征图专注于各自最适宜检测到的不同尺寸的人脸。

目前人脸检测和识别技术在滴滴平台主要用于司机人不符检测、行程中车内录像时的乘客隐私保护等场景。

DFS算法网络框架图