论文： Najibi M, Samangouei P, Chellappa R, et al. SSH: Single Stage Headless Face Detector[J]. 2017.
Github：https://github.com/mahyarnajibi/SSH
论文算法概述
提出一个one stage的人脸检测算法SSH，不需要依赖图像金字塔来处理多尺度问题，且能有效结合上下文信息。
General Architecture
整体结构如图2所示，是一个全卷积神经网络，检测模块被添加到步长分别为8、16和32的特征图上，为M1、M2和M3，分别对应检测小、中、大的人脸，在网络一次前向中完成所有尺度人脸的检测。其中检测模块包含有全卷积的二类分类器和回归器。使用RPN类似的方式构建anchors，在每个滑动窗口位置上会k个anchor，具有与窗口相同的中心和不同大小，长宽比为1（作者在实验中添加多个不同的长宽比并没有太大作用）。而检测模块如图3所示，包含了一个简单的上下文模块（context module）去增加有效的感受野，context module的输出channels数量在M1中设为128，在M2和M3中设为256。
Context Module
在two stage检测器中，联合上下文信息常用的方式是增大候选框的大小。而SSH这里使用一个简单的卷积网络实现，而增大卷积核则相当于在two stage检测器中增大候选框大小，可选用5x5和7x7卷积核。但为了减少网络参数，作者使用连续的3x3卷积去替换更大的卷积核。结构如下图4所示。
Experiments
总结
取不同层级分别搭不同的网络分支以处理不同尺度的人脸，并在每个分支上接一个上下文模型以利用上下文信息。而主要创新点是提出这个上下文模块：起两个分支，一个以连续的卷积来代替更大的卷积核来达到类似于扩大候选框的效果，与另一个分支的原始的（单级卷积，即未扩大候选框的）进行拼接以起到联合上下文信息的作用。