mtcnn-paddle

由于各种姿势，照明和遮挡，无约束环境中的面部检测和对准具有挑战性。最近的研究表明，深度学习方法可以在这两项任务上取得令人瞩目的成绩。在本文中，我们提出了一个深度级联的多任务框架，它利用它们之间的内在联系来提高它们的性能。特别是，我们的框架采用级联结构，具有三个阶段精心设计的深度卷积网络，以粗略到精细的方式预测面部和地标位置。此外，在学习过程中，我们提出了一种新的在线硬样本挖掘策略，可以自动提高性能，无需手动选择样本。我们的方法在面部检测的具有挑战性的FDDB和WIDER FACE基准以及面部对齐的AFLW基准测试中实现了超过最先进技术的精确度，同时保持了实时性能。