北京大学 | HLA-Face：用于暗光人脸检测的联合高-低自适应（CVPR2021）

论文标题：HLA-Face: Joint High-Low Adaptation for Low Light Face Detection 论文链接：https://arxiv.org/abs/2104.01984 代码链接：https://github.com/daooshee/HLA-Face-Code 作者单位：北京大学(刘家瑛团队)

无需额外dark faces标注！本文提出暗光人脸检测新网络(dark face detection)，表现SOTA！性能优于DSFD、RetinaFace等网络，代码刚刚开源！

在弱光情况下的人脸检测具有挑战性，但对于许多实际应用至关重要，例如监控视频，夜间自动驾驶。现有的大多数人脸检测器在很大程度上依赖于广泛的注释，而收集数据既费时又费力。为了减轻在弱光条件下建立新数据集的负担，我们充分利用了现有的正常光数据，并探索了如何将人脸检测器从正常光转换为弱光。这项任务的挑战在于，普通光和弱光之间的差距对于像素级和对象级而言都太大且太复杂。因此，大多数现有的弱光增强和适应方法不能达到理想的性能。为了解决该问题，我们提出了一个联合的高-低光自适应（HLA）框架。 通过双向low-level适应和多任务高级适应方案，我们的HLA-Face甚至在不使用dark face标签进行训练的情况下也能胜过最先进的方法。

内容中包含的图片若涉及版权问题，请及时与我们联系删除