優(yōu)圖提出的ACFD算法在IJCAI2020舉辦的iCartoonFace挑戰(zhàn)賽中排名第一

卡通臉檢測廣泛使用在內(nèi)容審核和動漫視頻分析等業(yè)務場景中，現(xiàn)有的DSFD等通用人臉檢測器難以檢測到一些特定場景下的人臉，因此，優(yōu)圖首次提出一種面向動漫場景的非對稱卡通臉檢測器ACFD。ACFD是一種基于深度學習的目標檢測技術，屬于一階段帶有錨點框的檢測方法，輸入一張卡通圖片，ACFD便可以輸出卡通圖片中卡通臉的位置（x,y,w,h）以及對應的置信度。

本次，優(yōu)圖提出的ACFD檢測算法推理速度僅為50ms且無需任何預訓練模型，能夠檢測出動漫視頻作品中的較為抽象的卡通臉：如機器人臉，類動物臉，玩具臉，簡筆畫臉，表情臉等。

不同于含有端正五官的正常人臉，卡通臉種類豐富，人物抽象。最為常見的有類動物臉，機器人臉，還有一些表情臉。針對這些特點，優(yōu)圖提出非對稱卡通人臉檢測算法ACFD，復用了一些經(jīng)典的人臉檢測器的框架，并作出創(chuàng)新性的改進。

ACFD包括四個部分：用來對卡通圖提取6個特征圖的主干網(wǎng)絡VoVNetV3，對高低特征融合的非對稱的雙向特征金字塔結(jié)構ABi-FPN，動態(tài)錨點框匹配DAM和基于間隔的損失函數(shù)MC loss。

VoVNet是一種計算高效的骨干網(wǎng)絡，其OSA模塊可以輸出靈活的特征表達。VoVNetV2通過添加殘差連接方式解決了VoVNet訓練的局限性，同時引入一種高效的注意力機制。

為進一步提升特征的靈活性，優(yōu)圖提出了一種更有效的骨干網(wǎng)絡VoVNetV3。VoVNetV3在不使用預訓練模型情況下，在較為抽象的動漫場景中表現(xiàn)優(yōu)異，相比于ResNet50，VoVNetV3能夠?qū)z測指標AP (Average Precision) 從0.9018提升至0.9074。

在提取多尺度特征時，目前大部分人臉檢測器采用ResNet或VGG。然而，它們僅僅可以處理方形感受野的，這可能會影響尺度差異較大的人臉檢測。而卡通人臉中大約有10%的比例大于2.0或小于0.5.

優(yōu)圖提出的ABi-FPN模塊同時進行特征融合、語義信息增強以及感受野精細處理，它可以使特征感受野更靈活。

為了在檢測任務中更好的劃分并分類正負樣本，也就是卡通臉和背景兩個類別，ACFD將傳統(tǒng)的錨點框匹配過程改進為動態(tài)的錨點框匹配(DAM)，在訓練的每次前向傳播后，對于困難的卡通臉用一些負樣本進行錨點框的補償。這種動態(tài)的錨點框匹配能將baseline的AP指標由0.8765提升至0.8890。

動態(tài)的錨點框匹配策略DAM

在訓練的過程中使用的多任務損失函數(shù)，包括回歸loss和分類loss。損失函數(shù)對補償?shù)腻^點框計算出的loss進行了加權，并且在分類loss中引入了margin。優(yōu)圖提出的基于margin損失函數(shù)MC loss最終將AP提升了0.3。

卡通臉檢測是許多業(yè)務的基礎和關鍵環(huán)節(jié)，廣泛使用在內(nèi)容審核和動漫視頻分析兩個典型的場景中：

互聯(lián)網(wǎng)上源源不斷產(chǎn)生海量內(nèi)容和數(shù)據(jù)，AI算法審核可以提升內(nèi)容審核效率，降低審核成本。比如AI可以在電商平臺、新聞、視頻網(wǎng)站、短視頻應用上檢測識別知名IP形象的使用是否侵權。

動漫產(chǎn)業(yè)蓬勃發(fā)展，每年會產(chǎn)生大量的卡通視頻。使用AI幫助檢測卡通臉，理解卡通人物的人臉信息來進行動漫視頻的分析。

作為騰訊旗下頂級AI實驗室之一，優(yōu)圖一直聚焦視覺AI研究與落地，并積極拓展卡通臉等相關智能識別能力，為新聞平臺、視頻網(wǎng)站、短視頻應用等業(yè)務提供技術支持和解決方案，讓AI視覺識別提升應用效率。

zhangnn