該方法出自論文S3FD: Single Shot Scale-invariant Face Detector


文章改進點：
（1）基於不同layer層的不同scale的anchor策略
其中各個卷積層的滑動步長，anchor大小，感受野大小分別如下，其中anchor 的aspect ratio為1:1。

這樣的設定，主要是由於作者在實際真實資料樣本中得出，anchor面積要小於感受野面積，這樣才可以保證anchor對於小人臉的覆蓋率。

如上圖所示，其中（a）中黑色的整個區域表示theoretical receptive field (TRF)，而白色的區域表示effective receptive field (ERF)，可以看出ERF只是TRF的其中一部分。
（b）為與（a）對應的一個真實的例子，其中黑色虛線為整個的TRF，藍色的虛線為ERF，紅色的實線為anchor，可以看出大小上TRF>ERF>anchor
（c）為相同比例間隔的取樣策略，就是本人中的anchor的stride為anchor大小的1/4

（2）一個尺度修正策略來提高對小人臉的召回率
主要分為2個步驟，首選將原始的anchor閾值從0.5降低為0.35，然後再在IOU大於0.1的anchor中取top-N，其中N為第一步中的anchor大於0.35的平均值。
從下面的結果曲線可以看出，使用該策略小人臉的召回率得到了很大的提高。圖中，紅色的為尺度修正策略後的結果，藍色的為原始的結果。

（3）max-out型別的分類訓練策略，用來減少小人臉的falsepositive率

這個改進是對conv3_3層進行的改進，由於剛開始的卷積層特徵圖比較大，作者又做了比較密集的anchor來提高對小人臉的召回率，這樣就引入了新的問題，正負樣本出現了嚴重不平衡。如下圖所示。其中conv3_3層的false positive率達到了75.02%。

為了解決上面的不平衡問題，作者提出了max-out策略。如下圖所示，作者在分類中，使用預測分數最高的anchor進行梯度的回傳，大大的減少了正負樣本不平衡的現象。

整體網路分為以下6個部分，Base Convolutional Layers，Extra ConvolutionalLayers ，Detection Convolutional Layers，Normalization Layers，PredictedConvolutional Layers，Multi-task Loss Layer。

總結：

整體來看，文章的第一個scale創新就是ssd中就有的東西。人臉尺度修正策略簡單的說就是通過小閾值來提高召回率，然後再輔之一些後處理。Max-out的策略，也不像OHEM，focal loss那樣創新性高。整體來看創新性不是很高。

References: