Face papers: SSH人臉檢測演算法論文理解
本文的人臉檢測演算法走的是又快又好的路子，類似於目標檢測中的 SSD演算法思路。
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演算法簡稱為 SSH，希望速度快，佔用記憶體少，尺度不變性。它是一個單步驟檢測器
3 Proposed Method
3.1. General Architecture
主要是在網路不同深度的卷積層進行人臉檢測
SSH 對網路不同位置上，即不同尺度的特徵圖上接入了三個檢測模組，檢測模組由 a convolutional binary classifier and a regressor 構成
這裡我們採用了類似 RPN 策略來構建 anchor set，採用滑動視窗的方式，每個位置定義具有不同尺度的 K 個 anchors，這裡我們的長寬比是1。如果輸入檢測模組的特徵圖大小為 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
這裡檢測人臉 在網路的三個不同卷積層使用了 三個檢測模組 M1，M2，M3, 這三個檢測模組使用的步長分別為 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組進行訓練
3.4.1 Loss function
損失函式的定義
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
輸入影象尺寸的影響
創新點：
1：檢測model
2：OHEM方法