这篇文章的思路很清晰，提出问题到解决问题，不过大部分文章都是这个流程。文章先对现有基于anchor的方法在检测过程中随着物体的变小，性能下降，这里主要指小物体检测不出来进行了分析，主要有以下几点：
1.与anchor相关的那一层卷积层的卷积核步长太大，导致在卷积过程中小物体的特征被高度压缩；
2.感受野、anchor尺寸和面部大小不匹配，差距过大；
3.anchor的尺寸是固定的，而人脸尺寸不固定，一旦人脸太大或者太小，anchor就无法匹配到；
4.使用小尺寸的anchor来检测小脸会导致假阳率升高。
具体可以看下图一：
基于上述问题作者采取了三个措施：
1.尺度平衡框架；
2.anchor尺度补偿匹配方案；
3.最大输出方案。
在讲具体解决方案之前，我先来讲讲这篇文章整体的网络框架，如下图二：
本文的骨干网络用的是VGG16，不过只是截取了Pooling5之前的层数，同时通过参数下采样将全连接层fc6和fc7转化为conv_fc6和conv_fc7（不太明白是怎么进行的），再在这后面加了4层卷积层。从中去取出6层来进行anchor 匹配，每个卷积层分别承担着不同尺度的人脸检测任务，分别预测anchor的偏移量和所属类别，这个方法用的是SSD的，faster rcnn只用一层来匹配anchor，文中说因为前三层有不同特征尺度，所以需要正则化来防止过拟合，最后的损失函数用的是fast rcnn的多任务损失函数。
好了，接下来要打入内部进行分析了
1.尺度平衡框架
将anchor有关的层的卷积步长设置为4~128像素，相比faster rcnn的16和SSD的8，S3FD的初始步长更小，同时设置anchor的尺度为16~512,每一层的anchor尺寸不同，前者是为了匹配到小脸，后者是为了有更多anchor匹配到小脸，同时卷积核步长的大小是这一层anchor的四分之一。如下图三：
2.anchor尺度补偿匹配方案
这个方法分为两个步骤，首先是按faster rcnn和SSD的方法进行匹配，只是从原来的阈值0.5换到了0.35，第二步是将没有匹配到的人脸，将匹配阈值降到0.1，筛选出前几个来。整个方案就是为了产生更多anchor，用数量来换精度。（上述都在训练时进行），采用这个方案的效果如下图四：
3.最大输出方案（Max-out）
这个方法主要是为了解决假阳率过高的问题，该方法是对背景的得分进行排序（我猜测在实际程序中，应该按面部得分来排的，面部得分越低说明背景的概率越高），然后挑出前几个背景与脸部进行训练，这个方案主要针对的是conv3_3这一层，这一层主要用来检测小脸，所以anchor的数量较多，这一层是正负样本比是3：1训练，其他层是1：1训练。过程如下图五：
还有忘了说就是每一层上anchor的宽高比是1：1，跟faster rcnn的多比例是不一样的。
说实话个人觉得这篇文章读起来有点费劲，估计还是这个领域的知识积累的不足造成的吧，以上如有讲的不对的地方，请大家批评指正哈！
