DSFD人脸检测项目中的DetNet骨干网络解析

概述

本文将深入分析DSFD(Dual Shot Face Detector)人脸检测系统中使用的DetNet骨干网络结构。DetNet是一种专门为目标检测任务设计的卷积神经网络架构，它在传统ResNet基础上进行了多项改进，特别适合处理密集预测任务。

DetNet网络架构

DetNet主要基于ResNet结构进行改进，包含以下几个关键组件：

基础构建块

1. BottleneckA模块：这是DetNet中的基本残差块，包含三个卷积层：

   • 1x1卷积降维
   • 3x3空洞卷积（dilation=2）
   • 1x1卷积升维

2. BottleneckB模块：在BottleneckA基础上增加了一个额外的1x1卷积分支，用于处理输入特征图的残差连接。

网络层次结构

DetNet的整体结构分为5个阶段(layer1-layer5)：

1. 初始卷积层：7x7卷积，stride=2，后接BN和ReLU
2. 最大池化层：3x3池化，stride=2
3. 前三个阶段(layer1-layer3)：使用标准ResNet的Bottleneck块
4. 后两个阶段(layer4-layer5)：使用DetNet特有的BottleneckA/B块

关键技术点

空洞卷积的应用

DetNet在后两个阶段使用了空洞卷积(dilated convolution)，这种技术能够：

• 保持特征图的空间分辨率
• 扩大感受野而不增加计算量
• 特别适合密集预测任务如人脸检测

特殊的残差连接

BottleneckB模块中设计了额外的1x1卷积分支来处理残差连接，这种设计：

• 更好地融合不同层次的特征
• 缓解梯度消失问题
• 提升特征表达能力

网络参数初始化

DetNet采用了标准的参数初始化方法：

• 卷积层使用Kaiming初始化
• BN层的权重初始化为1，偏置初始化为0

实现细节

_make_layer方法

该方法用于构建网络的前三个阶段：

• 处理下采样(stride!=1)的情况
• 自动计算输入输出通道数
• 堆叠指定数量的Bottleneck块

_make_new_layer方法

专门用于构建后两个阶段：

• 使用BottleneckB作为第一个块
• 后续使用BottleneckA块
• 保持特征图分辨率不变

预训练模型加载

DetNet支持加载ImageNet预训练权重：

• 只加载前三个阶段的权重
• 后两个阶段随机初始化
• 提供detnet59()函数方便模型构建

在DSFD中的应用

在DSFD人脸检测系统中，DetNet作为骨干网络：

• 提取多尺度特征
• 为后续的双阶段检测提供丰富的特征表示
• 通过空洞卷积保持高分辨率特征图
• 特别适合处理不同尺度的人脸检测

总结

DetNet通过引入空洞卷积和特殊的残差连接设计，在保持ResNet优秀特性的同时，更适合目标检测任务。在DSFD人脸检测系统中，这种设计能够有效处理各种尺度的人脸，特别是对小脸检测有显著提升。理解DetNet的结构和原理，有助于我们更好地应用和优化基于DSFD的人脸检测系统。