SSH: Single Stage Headless Face Detector 发表于ICCV2017
本文的人脸检测算法希望提高精度也考虑速度，类似于通用目标检测中的 SSD算法idea。
SSH is designed to decrease inference time, have a low memory foot-print, and be scale-invariant， single-stage detector
论文 中设计的人脸检测算法简称为 SSH，计算速度快，占用内存少，而且具有尺度不变性。它是一个单步骤检测器，训练可以做到端到端。
3 Proposed Method
3.1. General Architecture
主要是在网络不同深度的卷积层进行人脸检测
SSH 对网络不同位置上，即不同尺度的特征图上接入了三个检测模块，检测模块由 a convolutional binary classifier and a regressor 构成
这里我们采用了类似 RPN 策略来构建 anchor set，采用滑动窗口的方式，每个位置定义具有不同尺度的 K 个 anchors，这里我们的长宽比是1。如果输入检测模块的特征图大小为 W×H， 那么一共有 W×H×K 个anchors
检测模块
上下文建模
incorporate context by enlarging the window around the candidate proposals，
SSH mimics this strategy by means of simple convolutional layers
尺度不变设计
这里检测人脸在网络的三个不同卷积层使用了 三个检测模块 M1，M2，M3, 这三个检测模块使用的步长分别为 8, 16，32 ，用于检测 大、中、小人脸
3.4. Training
不同尺寸的人脸对应不同的检测模块进行训练
3.4.1 Loss function
损失函数的定义
3.5. Online hard negative and positive mining
去除一些简单的难例负样本挖掘
4 Experiments
WIDER face detection benchmark
检测时间
输入图像尺寸的影响
原文链接：https://blog.csdn.net/zhangjunhit/article/details/78399475
https://github.com/mahyarnajibi/SSH
