本笔记记录针对尺度不变性的人脸检测策略Group Sampling，西交大、MSRA作品；这篇论文文笔流畅、公式不多、图表清晰、实验对比有针对性，模型性能也很好，是一篇不错的美文；
现阶段wider face上的性能已经刷到快饱和了（hard set可能还能继续提升点，但已经是很极端的场景了，如果集成各种tricks弄成一个超级模型，性能是棒棒的，但个人觉得是有过拟合的风险），各类方案为了百尺竿头更进一步，取得sota，各种tricks无所不用其极，导致整套方案相对来说是比较臃肿的；有些论文做了很多很多的消融实验，集成了很多有效的tricks（无效的当然就不会写在论文里面啦~~~），性能是上去了，但看着心里总是有点犯嘀咕的，一来不好复现、技巧性太强，二来也会质疑其普适性；
Group Sampling和Soft-NMS、SNIP等方案比较类似，发现了现阶段人脸检测中存在的一个问题，提出解决这个问题的方案，最终性能也比较好，没有太多的工程技巧，看完论文后也会想，嗯，要不我也拿来用用，也容易实现，实验结果很好，说不定在我的任务上也能有帮助呢对吧；
名词定义：
1 Group Sampling：本文提出的人脸检测算法，严格意义上并不能称为一个算法，应该是模型训练阶段的数据组织策略，将作为训练样本的anchors按其尺度划分到各个groups，并确保各个group间的训练样本总数量大致相当，正负样本数量比例相似，最终就能减缓训练阶段正负样本比例不均衡的困扰，可参见fig 1、2；
Abstract
1 为了检测图像中不同尺度的人脸，现有策略一般是图像 / 特征金字塔，图像金字塔的弊端就是多尺度图像多次输入模型，检测速度比较慢；特征金字塔仅需输入一次图像（也有结合图像金字塔 + 特征金字塔的多尺度输入方案，不在本次讨论范围内），但通过多层次、多尺度的金字塔特征图，达到检测不同尺度人脸的目标，SSD、FPN等就是此类方案，利用多层特征图生成特征金字塔，不同分辨率的特征图检测不同尺度的人脸，大尺度人脸在高层特征图上检测，小尺度人脸在低层特征图上检测；
2 但本文通过实验发现(table 1)：其实根本不需要通过多层次的特征金字塔上的多个分支做人脸检测，仅使用单层feature map上的特征，做人脸检测也能达到sota；那么，问题出在哪？单层feature map做人脸检测，性能如何提升？
3 文中发现，对于大尺度范围跨度的人脸，影响检测器的性能之处在于训练样本的不均衡问题，特别是不同人脸尺度上(对应到不同尺度anchor)的正负样本均衡问题，才是导致模型性能有无提升的关键（the balance of training samples, including both positive and negative ones, at different scales is the key）；
4 本文进一步提出group sampling策略，将anchors按尺度划分到不同的groups里面，使得训练阶段每个group内正负样本的数量大致是相同的，核心思想可参照4.2小节；
5 文中仅使用FPN最后一层特征（the last layer of FPN as features，如fig 1，指的是P2的finest layer），未使用图像 / 特征金字塔的多分支检测，再结合group sampling，就能取得sota；实验 + 分析部分，也能充分证明group sampling本身是有效的，最终无需bells and whistles，就在FDDB、wider face、FDDB上取得了sota；
1. Introduction
人脸检测的场景中，小尺度、大尺度范围内变化的人脸是一个很大的挑战；Fast R-CNN / Faster R-CNN based人脸检测算法，都使用单尺度的feature map来检测各种尺度的人脸，但在小尺度人脸上性能一般，两个原因：
1 人脸尺度小，经过若干层conv + pooling操作后，人脸特征已淹没在feature map（如conv 4_3，下同）中，无法进一步做高质量的人脸判别；
2 conv4_3上anchor对应的stride = 16，导致小尺度人脸gt bbox本身就很难匹配到足够多、尺度合适的anchors，这样匹配上的anchor不仅尺度与之不是最匹配，数量也较少，大部分anchors都归类于负样本了，训练过程中正负样本不均衡的问题将比较严重；----- S3FD、ZCC还是提出了等比例密度的anchor采样策略，能缓解此类问题；
那么，为了解决此类小尺度人脸，人脸大尺度范围内变化的问题，一些解决方案如下：
1 如HR、SNIP，使用图像金字塔完成训练、预测；
2 如IO-Net、HyperNet，联合高低层特征图完成训练、预测；
3 如U-Net，使用top-down、skip connection结构，融合高低层特征图，最终仅使用高分辨率的单张特征图预测（a single high-level feature map with fine resolution）；
4 如SSD、FPN，高低层特征图都用上，多个分支、全家桶似地检测不同尺度的人脸 / 目标；
以上四种方案都很牛逼，各有千秋，方案4效果最深入人心，对小尺度人脸检测效果最好，用的比例也最高；
此前大家经验主义地认为，SSD、FPN-style等检测器性能如此之好的原因，是因为使用了多层次、多尺度的特征表达，对比在单层次、单尺度上的特征图，有更多的尺度不变性，也带来了更多的鲁棒性；但本文发现，最起码在人脸检测中，事实的真相并不是这样子的（有点扎心了~~），文中发现在特征金字塔上做目标检测，将会为每层特征图上生成不同尺度、数量各异的anchors（各个尺度的anchors还对应到不同的stride，而非RPN中不同尺度的anchor使用相同的stride），这才是特征金字塔上目标检测性能优于单尺度特征图上结果的原因，而非特征金字塔本身的特征表达能力强，在FPN的实验中，也没有重视这个问题；在本文实验中，发现如果在单尺度特征图上也使用和FPN一样，相同数量的anchors，也能取得差不多的性能；---- 起码fig 1 + table 1中的结果能支持这个结论；
基于以上发现，文中做了海量实验，最终定位到当前anchor-based人脸检测器中存在的一个大问题：不同尺度目标上对应的anchor数量是不均衡的，且各个尺度anchor间正负样本的比例更不均衡；文中使用了Faster R-CNN中的RPN、FPN作为baseline，各个算法流程对比如fig 1：并进一步计算了训练阶段，各个anchor尺度下正负样本所占比例（横坐标为anchor尺度），如fig 2(a)、(b)；
fig 1中，64/16，64表示anchor尺度，16表示anchor所在特征图上对应的stride；
对RPN而言，单层特征图上提取特征并生成不同尺度的anchor，所有尺度的anchor对应相同的stride，小尺度anchor将很难匹配到合适尺度的目标（对比大尺度目标和大尺度anchor，小尺度anchor采样密度过低，过于稀疏，可参照S3FD、ZCC的解释），那么对于小尺度gt bbox而言，其匹配的anchor正样本就非常少，负样本数量繁多，最终性能也不会很好；
FPN使用低层高分辨率特征图检测小尺度目标，小尺度anchor专职操作于该feature map，如fig 1(b)，P2上anchor的stride也不会与P3、P4、P5一刀切地保持一致，这样对比RPN，小尺度anchor的采样密度更高，负样本的绝对数量增加了很多（gives rise to several more times negative training samples for small objects than large objects），但anchor正样本的绝对数量也同步增加了，最终在coco、wider face上，FPN-based检测器性能优于RPN-based检测器，特别是在小尺度目标上性能更好；---- 也即，作者认为性能提升的关键，不在于特征金字塔的多层次多分支预测，而在于训练阶段正负样本的比例更均衡，以及带来的更多正样本；
再就是如fig 1(d)、fig 2(d)，仅使用FPN的最后一层feature map操作（网络结构图显示的是finest layer，一个概念），分析正负样本的比例情况，可以发现与fig 2(a) RPN分布类似，仅在绝对数量上所有差异，此时小尺度anchor的采样密度高了，匹配的anchor数量也不错，但有一个问题：各个尺度anchor下对应的正负样本比例却不均衡了，大尺度anchor上正负样本比例明显更高，此类不均衡问题就冒出来了；那么FPN-finest最终在小尺度目标上的性能也很一般，原因也归结于：insufficient positive samples for small anchors；
再对比fig 2(d)、fig 2(e)，多了group sampling策略（原理很简单：在训练阶段的每次迭代中，随机采样正负样本，保持各个尺度anchor间大致相同的正负样本比例和数量：randomly sample the same number of positive samples as well as the same number of negative samples at each scale during each iteration of the training process），参与训练的各个anchor尺度上，正负样本数量明显更加均衡了，那么FPN-finest-sampling还是很牛逼的，单层特征图上检测人脸，最终在wider face上性能优于FPN；
此外，文中进一步发现，Faster R-CNN的2nd-stage Fast R-CNN中同样面对着数据不均衡的问题（数据集中各个尺度上目标数量的分布是不均衡的），group sampling也可以应用于此，在对不同尺度的proposals经过RoI pooling提取特征和，再按尺度划分做一次均衡的采样（evenly sampling the features after RoI Pooling for different scales），还可以进一步提升检测性能；
本文贡献有三：
1 文中发现anchor不同尺度间的正负样本比例分布不均衡，而非特征金字塔上各个尺度feature map的特征表达能力，影响到多分支的检测性能，这点与之前对FPN的认知有点不一致；
2 文中发现anchor-based检测器的性能瓶颈在于：不同anchor尺度上正负样本比例分布不均衡；
3 本文提出group sampling，实现简单，确保了不同anchor尺度上正负样本的比例分布比较均衡，最终对检测性能有了较大的提升；
2. Related Work
Single scale feature for multi-scale detection
经典的如Fast R-CNN、Faster R-CNN，通过RoI pooling操作提取scale-invariant features，在单层、单尺度的feature map上检测多尺度目标，在性能 / 速度上达到了很好的平衡，但在小尺度目标上性能一般，文中认为原因出在对小尺度目标而言，缺乏足够数量的正样本参与训练（insufficient positive training samples），但group sampling可以消除此类弊端，并取得不错的性能提升；
Top-down architecture with lateral connections
top-down + lateral connection很经典，在U-Net、SharpMask、Stacked Hourglass Network中都性能棒棒哒，该结构的优势在于，将低层高分辨率细节信息丰富、高层低分辨率语义信息丰富的特征图，融合进一个single high-resolution feature map （优势互补），在本文的实验中也发现，top-down + lateral connection对人脸检测的帮助很大；
Multi-scale feature for multi-scale detection
如SSD、MS-CNN、FPN，特征金字塔、多特征图分支、在各个尺度特征图上检测不同尺度的目标，FPN也使用了top-down + lateral connection来增强特征表达能力，类似SSH、S3FD中也有采用，但文中发现这些算法性能提升的关键之处在于，anchor的采样分布对小尺度目标更有利（得到了更均衡的正负样本数量），而非多层次化的特征表达能力；
Data imbalance
数据类别间不均衡的问题在机器学习、数据挖掘、深度学习等方向上已经存在了很多年，也取得了很多研究成果；经典做法就是对训练数据的重采样策略，对数据量较多的类过采样、数据量较少的类重采样；或者使用cost-sensitive learning，对数据量少的训练样本对应的loss，给予更高权重的loss；在目标检测任务中，训练样本尺度不均衡的问题，也可以认为是类别不均衡的一种，经典的方案如OHEM、focal loss等能解决部分问题；再如S3FD中发现了，对小尺度目标而言，缺乏足够数量的训练正样本与之匹配，因此也使用了更小的IoU阈值以提升小目标所对应的正样本数量；
本文发现，尺度分布不均衡问题在正负训练样本中都存在，group sampling恰好为此而生，专门解决该问题，并取得了不错的性能；
3. Motivation: Scale Imbalance Distribution
本节进一步分析两个影响检测性能的因素：特征金字塔上的多尺度特征表达、不同尺度anchor间的正负样本均衡；
文中使用ResNet-50主干网 + top down + skip connections，如fig 3：
各个block conv对应的输出特征表示为C2、C3、C4、C5，先通过1 x 1 conv归一化feature map通道数，与上一层up-sampled操作后的特征层做element-wise addition，输出P2、P3、P4、P5等feature map（P5操作方式有点不同，不再赘述），Pi / Ci有相同的尺度，各个anchor尺度为：{16，32，64，128}，长宽比：1，最后结合fig 1、fig 2，对比如下：
1 RPN：仅使用C4做人脸检测，所有尺度anchor都在C4上分布并提特征，对应stride = 16；
2 FPN：经典的算法，{P2、P3、P4、P5}上做人脸检测，anchor尺度 = {16，32，64，128}，对应stride = {4，8，16，32}；
3 FPN-finest-stride：与FPN类似，但所有尺度anchor都只作用于P2上，anchor尺度 = {16，32，64，128}，对应stride = {4，8，16，32}；---- This is implemented by sub-sampling P2 for larger strides，还多了这么一句话，费解；进一步上采样P2？
4. FPN-finest：所有尺度anchor都只作用于P2上，各个anchor的stride = 4；
5. FPN-finest-sampling：与FPN-finest一致，但新增了group sampling，使得训练阶段不同尺度anchor上的正负样本比例保持一致；
5个方案在wider face上使用相同的训练、测试策略，并在val set上测试，得到的结论如下：
Using multiple layer features is little helpful
FPN、FPN-finest-stride（fig 2(b)、(c)）差异在于：在单层feature map还是多层feature map分支上完成目标检测，结果如table 1，FPN在easy / medium / hard上AP性能分别为90.9%、91.3%、87.6%，FPN-finest-stride分别为：90.4%、91.0%、87.1%，差异不大，说明两个问题：
1 多尺度feature map上的人脸检测对性能提升有限；
2 单尺度feature map上做人脸检测也是可以的，性能是足够的；
Scale imbalance distribution matters
进一步对比FPN-finest-stride、FPN-finest，从fig 1中可看到二者区别：二者为不同尺度anchor设置的stride不一样，后者保持stride = 4不变；从实验结果table 1中有以下发现：
1 FPN-finest在easy / medium上性能很好，因为对比FPN-finest-stride，前者可以获取更多的大尺度anchor参与训练；
2 尽管各个金字塔层上都是stride = 4（anchor尺度为16 pixel的也是如此），但FPN-finest在hard上性能一般；
从fig 2中可知不同检测算法中，各个尺度anchor中正负样本数所对应的比例，对应的结果如table 1，结论如下：
1 FPN、FPN-finest-stride性能相当，从fig 2(b)、(c)中可知，二者不同尺度anchor上正负样本数量比例也类似，说明之前的一个假设是有道理的，即：在总体anchor数量相当，不同尺度anchor下正负样本数量比例类似时，二者性能差异不大；
2 从fig 2(c)、(d)中可知，FPN-finest-stride、FPN-finest的不同尺度anchor间正负样本的分布比例是不均衡的，但二者分布情况也存在很大的差异，FPN-finest-stride在小尺度anchor上有更多数量的负样本，因此hard上性能也更好点、FPN-finest在大尺度anchor上有更多数量的正样本，因此easy上性能更好点；
结论：检测模型的性能，应该是有受到anchor内正负样本数量不均衡的影响，这从fig 2(a)中RPN在大尺度anchor上，对比FPN-finest-stride有更多的正样本数量，最终在easy上性能优于其2%，也可以得到证明；
受以上分析的启发，本文提出group sampling方案来处理各个尺度anchor间正负样本分布不均衡的问题，从fig 2(e)中也可知，对比其他4个方案，FPN-finest-sampling在训练阶段得到的anchor间正负样本比例明显更加均衡，table 1中得到的效果也是最好的；
4. Group Sampling Method
anchor based人脸检测器训练阶段的要点：将gt bbox、anchors按照IoU比例，对anchors划分正负样本标签，本小节先介绍本文使用的anchor匹配策略，再介绍group sampling方案；
4.1. Anchor Matching Strategy
当前经典的gt bbox、anchor的两步匹配方案：
1st-pass：每一个anchor与所有gt bbox计算一遍IoU，若IoU大于阈值λ1，则该anchor被划为正样本，小于阈值λ2，则被划分为负样本；--- 这种操作对某些小尺度gt bbox不利，因为可能某个小尺度gt bbox并不能匹配到合适的anchor；---- 可结合某些代码学习下，简单点说就是，若anchor_i与gt bbox_big IoU_1 > λ1，且anchor_i与gt bbox_small IoU_2 > λ1，但IoU_1 > IoU_2，此时会优先匹配anchor_i与gt bbox_big IoU_1，二者相互配对，此时若gt bbox_small与其他任意anchor_j的IoU < λ1，此时就相当于没有与gt bbox_small匹配的正样本anchor了；再通俗点，anchor_i是女神，gt bbox_big IoU_1是高帅富，gt bbox_small IoU_2是高帅富三缺二，此时高帅富与女神配对是天经地义，高帅富三缺二就只能对女神望而兴叹了，其他任意anchor_j就是某个默默陪伴高帅富三缺二的妹纸，奈何人家不降低择偶标准，也只能落花有意流水无情，gt bbox_small就只能这样孤注身，所有anchor都不配对了；---- 当然了，现实情况并不是这样，高帅富三缺二。。。嗯，理论上只要不缺钱，拿下女神并不是难题~~~ 跑偏了，收；
2nd-pass：进一步为1st-pass中未与anchor匹配的gt bbox（也即gt bbox_small）寻找匹配的anchor，下面会进一步介绍；
先做些定义：
{pi}_i = 1~n：anchor的定义，i：anchor的indx，n：所有尺度anchor的总数量；
{gj}_j = 1~m：gt bbox的定义，j：gt bbox的dinx，m：所有gt bbox的总数量；
匹配阶段，先生成匹配矩阵M ∈ R^(n×m)，表征gt bbox与anchor的匹配关系，且M(i, j) = IoU(pi, gj)；在1st-pass中，每个anchor pi与所有gt bbox匹配一波，以寻找最大IoU，表示为：C(i) = max(1≤j≤m) M(i, j)，此时，pi对应的标签L(i)为：
λ1=0.6、λ2=0.4：预定义阈值，1：正样本anchor，0：负样本anchor，-1：未被gt bbox匹配的anchor，训练阶段弃用；
刚才提到了，在1st-pass阶段，一些小尺度gt bbox可能不会匹配到任何anchor，2nd-pass就要避免此类悲剧的发生（也是本着对标注的gt bbox高效利用的原则，不然岂不是白白做标定了？make full use of all gt boxes to increase the number of positive training samples），那么对任意未被匹配的gt bbox gj，若anchor pi同时满足以下三个条件，也可以认为是匹配成功（三个条件，缺一不可）：
1 该anchor pi此前未与其他gt bbox匹配；---- 烦请女神专一点，严禁脚踏两只船，高帅富三缺二卑微的尊严神圣不可侵犯；
2 IoU(pi, gj) ≥ λ2；---- 高帅富三缺二，你要是找不到女神就放低标准撒，还真准备单身一辈子啊；
3 j = argmax(1≤u≤m) IoU(pi, gu)；---- 妹纸也可以权利反转，找一个最适合的gt bbox gj匹配；
4.2. Group Sampling
anchor与gt bbox匹配后，作为训练样本的anchor间，存在以下两种不平衡情况：
1 anchor内正负样本数量不均衡：负样本数量远超正样本数量，目标检测任务中很常见，毕竟大部分区域都是背景；
2 各个尺度anchor间，正负样本数量也不均衡：现有的gt bbox与anchor匹配策略，导致小尺度gt bbox要匹配合适的anchor，比大尺度gt bbox势必要付出更多的艰辛与妥协；---- 心酸，屌丝就只配跪舔白富美，不配拥有完美的爱情；
问题1在之前已经被发现，并广泛且深入地研究了，如OHEM，训练阶段控制正负样本比例为1：3（按score排序），但问题2被研究得偏少；
那么为了解决以上2个问题，group sampling（scale aware sampling strategy）应运而生，操作如下：
1 将所有参与训练的anchors按其尺度，划分为若干个groups；---- divide all the training samples into several groups according to the
anchor scale, i.e., all anchors in each group have the same scale；
2 对每个group内的训练样本做随机采样，确保数量相同，且每个sampled group内正负样本比例1：3，若正样本欠缺，那就提升负样本的采样数量，使得所有group间训练样本的数量保持一致；---- 这种情况下，anchor间正负样本比例不会完全一致了，会有些许可接受的波动；
公式表示为，Ps、Ns：尺度 s 下，随机采样的正、负anchor样本：
Ps ⊆ {pi|L(i) = 1, S(i) = s}
Ns ⊆ {pi|L(i) = 0, S(i) = s} ---- 比较好理解；
group sampling先确保|Ps| + |Ns| = N（常数：N），再在每个anchor尺度 s 上，确保3|Ps| = |Ns|，此时对每个尺度 s 而言，都能保证足够数量、且均衡比例的正负样本参与模型训练；----- 整篇论文核心思想就这一部分，还是比较容易理解的；
Grouped Fast R-CNN
Fast R-CNN的2nd-stage中，得到RoIs后，通过RoI pooling提取特征，再进一步做cls + reg，文中发现，各个RoIs尺度内，正负样本分布也是不均衡的（the scale distribution of the training samples for Fast RCNN is also unbalanced），也可以使用group sampling操作使得每个group内总训练样本数保持一致，且正负样本比例1：3，实验部分也证明Grouped Fast R-CNN是有效果的；---- anchor确实是有不同的尺度和分布，但要看代码层面是怎么操作的；
Relation to OHEM and Focal Loss
OHEM：bp操作中筛选top-k难分样本参与模型参数更新；--- keep the top K samples with highest training loss for back propagation；
Focal Loss：给予每个训练样本一个动态调整的权重；--- give each sample a specific weight；
整体上就是，对难分样本给予更高的权重，更多的关注度，对每个训练样本分别采用hard / soft manner（比较容易理解，OHEM是一刀切，focal loss按score动态地降低权重），也即implicitly / dynamic地处理数据不平衡问题，但group sampling属于explicitly地处理数据不均衡的方案；
5. Training Process
介绍训练数据集、损失函数、实现细节等；
Training dataset
wider face训练+测试，FDDB测试，不再赘述；
Loss function
分类还是经典的softmax loss，回归采用了新的loss，替代Smooth L1 loss：IoU based loss，IoU least square loss：
(pi, gj)：匹配的anchor pi、gt bbox gj对；
对比smooth-L1 loss，新的损失函数直接优化的IoU ratio本身，这也是与我们按照IoU计算mAP的评估标准保持一致的（可参照IoU-Net），文中提到UnitBox中IoU loss function = - ln(IoU)，但当IoU = 1时，UnitBox中IoU损失函数得到的梯度不为零（non-zero gradient，画个ln(x)函数图就明白了），但IoU least square loss不会，得到zero gradient，起码网络收敛也会更稳定；
Optimization details
基于pytorch，使用torchvision的ResNet-50作为主干网的预训练模型，在wider face train set上训练，lr、epoch、wd、syn SGD等参数参照论文；
数据增强：scale jitter + random horizontal flip，尺度扰动区间[1，8]，从中随机选择数字n，图像将会按0.25 x n的比例做resize，再从resized后的图像中，randomly crop出一个子区域，确保其长宽不超过1200 pixels，最后加入到训练数据集中；
预测：基于图像金字塔的多尺度测试，所有检测结果合并后再做NMS，测试图像长边尺度不超过3000 pixels；
6. Experiments
分析影响人脸检测性能的因素，消融实验证明group sampling的性能，并基于FPN finest-layer在FDDB、wider face上取得了sota；
6.1. Factors Affecting Detection Accuracy
对fig1、2中介绍的五个检测器，做深入分析，五个检测器主要有2点差异：
1 anchor放置于feature map的不同层上；
2 anchor在feature map上的stride不同；stride越小，feature map层数越低，一般配置的anchor数量也越少；feature map尺度也是与原图尺度，按stride关系对应的，对FPN-finest-stride，特征图P2上对应的anchor尺度 = {16, 32, 64, 128}，等价于原图上stride = {4, 8, 16, 32}；
评估标准：在easy / medium / hard set上计算AP，但并不能反映检测器在各个特定目标尺度范围内的性能（原因是模型测试一般使用到了图像金字塔，我们无法确定一个128 x 128 pixel的人脸，是被预定义的128 pixel anchor检测到的，还是被图像金字塔中缩小版图像的16 pixel anchor检测到的），为了评估每个sub-detector的性能，分别对应@16，@32，@64，@128，结果如table 1：
结论如下：
Imbalanced training data at scales leads to worse (better) accuracy for the minority (majority)
anchor训练样本各个尺度间，正负样本数量均衡很重要，正样本数量越多，性能会更好点；FPN-finest、FPN-finest-stride唯一的差异在于anchor尺度（fig 2(c)、(d)），这样每个anchor尺度上对应的anchor数量不一致，正负样本比例也不一致，scale = 16下，stride一致，anchor数量一致，但table 1中@16对应的性能却不一致（65.6% 、72.2%），原因如fig 2，FPN-finest中@16下正样本数量对比其他尺度比较不足，性能自然比较弱；但在FPN-finest-stride中，@16下正负样本数量都比其他尺度多，性能自然好点；
Similar anchor distribution, similar performance
各个anchor尺度下，正负样本分布比例类似，性能也会类似；FPN、FPN-finest-stride性能接近，二者唯一差异体现在用单层、还是多层feature map做目标检测，从结果上来看，多层feature map上的检测并不能带了性能上的提升，那么另一个问题：是不是各个anchor尺度间，相似的anchor正负样本比例分布，导致了相似的性能？再对比RPN、FPN-finest，二者有一处比较类似：anchor大尺度下，正样本数量比较多，那么对比FPN，在@16下性能都比较弱，但@128下性能都比较强，也同样能说明相似的anchor正负样本数量分布，会有相似的性能；---- 这个例子的解释，我觉得有点牵强；
Data balance achieves better result
各个anchor尺度下，，正负样本分布均衡会带来更好的性能；fig 2中(a) ~ (d)四个算法都存在各个尺度anchor间正负样本分布不均衡的问题，FPN-finest-sampling对比FPN-finest有更均匀的正负样本分布，从table 4中也可以发现性能是更好的；
6.2. Ablation Experiments
The effect of feature map
table 2比较了使用不同feature map做人脸检测 + 是否使用group sampling下的性能，结论如下：
1 top down + lateral connection操作对模型性能有提升，从P3 / P4性能优于C3 / C4可知；
2 若使用高分辨率的低层feature map做人脸检测，会生成更多小尺度的训练样本，这有助于小尺度人脸的检测；
3 group sampling对所有feature map上做人脸检测的性能都有提升；本文最终在P2上输出检测结果；
The effect of the number of training samples N
在每个anchor尺度下，随机选择N个训练样本参与模型训练，如fig 4，结论如下：
1 N越大，模型性能越好；
2 N大于2048后，模型性能保持平稳，不再提升；
3 FPN、FPN-finest有点例外，随着N数量增大，性能下降了，原因也很简单，此时正负样本数量更不均衡了；
The effect of the proposed loss
检测器使用FPN-finest-sampling，对比两个经典loss + 本文提出的least square IoU loss，本文提出的loss更牛逼，同时也是因为直接优化的IoU，与评估标准mAP计算依照IoU方式保持一致，后两者性能明显优于Smooth L1 loss；
Comparison with OHEM and Focal Loss
本小节对比OHEM、Focal loss、group sampling三种方案，都用于处理训练数据不平衡；
OHEM：在所有训练样本中，动态选择B个highest loss样本参与模型参数更新，实验中设置B = 1024；
Focal Loss：与原论文保持一致，α = 0.25、γ = 2；
可以发现三者对模型性能提升都有帮助，特别是对小尺度人脸性能提升明显，但group sampling对模型在所有尺度上的性能提升是非常具有持续性和一致性的，最终All上性能也最好的；
6.3. Grouped Fast R-CNN
table 5使用FPN-finest-sampling为baseline，可以发现使用Fast R-CNN后性能有所提升，group sampling进一步提升模型性能，并在wider face hard上取得sota，充分说明二者可以完美结合；
7. Comparison with State-of-the-Art
与其他sota在FDDB、wider face上比较一下；
wider face：
使用group sampling策略训练的模型性能如fig 5，在hard set上领先还是蛮多的；
FDDB：
采用S3FD源码中提供的工具，将group sampling模型输出的矩形bbox转换为椭圆形bbox，最终在dis-continuous score上的性能如fig 6，ROC曲线面积最大，是sota；
8. Conclusion
1 本文仔细分析了影响人脸检测性能的因素，发现人脸检测任务中，根本不需要利用多层次的特征金字塔上的多分支检测，仅使用单层feature map做人脸检测也能达到sota，并定位到对于大尺度跨度范围内的人脸，影响检测器的性能之处在于训练样本的不均衡问题，特别是不同人脸尺度上的正负样本均衡问题，才是导致模型性能有无提升的关键；
2 本文提出group sampling策略，将anchors按尺度划分为不同的groups里面，使得训练阶段每个group内正负样本的数量、比例大致是相同的，核心思想可参照4.2小节；
3 文中仅使用FPN最后一层特征（last layer of FPN as features，如fig 1，指的是P2的finest layer），未使用图像 / 特征金字塔，再结合group sampling，就能取得sota，实验 + 分析部分，也能充分证明group sampling能带来性能的提升，最终无需bells and whistles，就在FDDB、wider face上取得了sota；
4 进一步地，将来会继续探索group sampling在通用目标检测器上的有效性；
论文参考
http://openaccess.thecvf.com/content_CVPR_2019/papers/Ming_Group_Sampling_for_Scale_Invariant_Face_Detection_CVPR_2019_paper.pdf
代码：
暂未公布（until 2019-09-10）;
