论文：SSH: Single Stage Headless Face Detector
论文链接：https://arxiv.org/abs/1708.03979
代码链接：https://github.com/mahyarnajibi/SSH
这篇ICCV2017关于人脸检测的文章提出SSH（single stage headless）算法有效提高了人脸检测的效果，主要改进点包括多尺度检测、引入更多的上下文信息、损失函数的分组传递等，思想比较简洁，效果也还不错。
SSH的网络结构如Figure2所示，整体设计是在VGG的基础上进行了改进，改进主要考虑2点：1、尺度不变性（scale-invariant）。输入图像中待检测的人脸尺度变化范围是比较大的，SSH需要在一个网络中同时检测不同尺度的人脸。2、引入更多的上下文信息（context）。更多的上下文信息对于人脸检测而言无疑是有帮助的。
尺度不变性是通过不同尺度的检测层实现，类似SSD、FPN等目标检测算法。具体而言一共有3个尺度的检测模块，检测模块（detection module）M1、M2、M3的stride分别是8、16、32，从图中也可以看出M1主要用来检测小尺寸人脸，M2主要用来检测中等尺寸人脸，M3主要用来检测大尺寸人脸。每个检测模块都包括分类和回归两个支路，用来输出人脸检测框。检测模块M2是直接接在VGG的conv5_3层之后，而检测模块M1的输入包含了较多的特征融合操作和维度缩减操作（dim red模块，将输入通道从512缩减为128，从而减少计算量）。
引入更多的上下文信息是通过在检测模块中嵌入context module实现的，context module的结构如Figure4所示，这部分通过扩大感受野达到引入更多上下文信息的目的，有点类似图像分割中常用的dilated convolution。
Figure3是检测模块示意图，分类和回归的特征图是融合了普通卷积层和上下文模块（context module）输出的结果，上下文模块会在后面介绍。分类和回归支路输出的K表示特征图上的每个点都设置了K个anchor，这K个anchor的宽高比例都是1:1（作者有通过实验证明增加宽高比例对于效果的提升帮助不到，但是会增加anchor数量），也就是K个不同大小的anchor。
Figure4是上下文模块（context module）示意图，原本是通过引入卷积核尺寸较大的卷积层（比如55和77）提高感受野，从而引入更多的上下文信息，为了减少计算量，借鉴了GoogleNet中用多个33卷积层代替55和77卷积层的做法，最终得到的上下文模块就如Figure4所示，而且还共享了其中1个33卷积层。
损失函数方面做了一些调整，公式如下所示。分类的损失函数还是采用常用的二分类损失函数，回归部分多了一个针对Ak的求和符号，这个Ak表示属于检测模块Mk的anchor，意思是对于不同尺度的检测模块而言，只回传对应尺度的anchor损失，这就实现了前面提到的M1主要用来检测小尺寸人脸，M2主要用来检测中等尺寸人脸，M3主要用来检测大尺寸人脸的目的。除此之外，在引入OHEM算法时也是针对不同尺度的检测模块分别进行的。
实验结果：
Table1是关于不同人脸检测算法在WIDER FACE数据集上的效果对比。HR算法的输入是图像金字塔，相比之下不采用图像金字塔的SSH算法反而优于相同特征提取网络的HR算法。最后一行的SSH（VGG-16）+Pyramid表示输入是图像金字塔，速度会比较慢。
Table2是关于SSH算法在不同尺寸输入时的速度对比。
