Curiosity

遮挡、侧脸与暗光：人脸检测器的特征退化探秘

你将会明白为什么遮挡、侧脸和暗光会击中人脸检测器的不同弱点，并能在新照片中预判检测结果。

Before you enter

A complete interactive classroom, not just a preview.

Start when you are ready to enter this Stage's 7 scenes and explore, respond, and learn as you go.

Scenes

14 min

Estimated

Content language: zh-CN

Created by

MathClue

Start this Stage

Remix into your version

Sign-in may be required to play

What happens inside

01第一眼：检测框去哪了？slide
Question
想象同一张证件照被口罩遮住、转过侧脸、或拍摄于暗光中。人脸检测器常常在某一条件下丢失目标。为什么？
- 同一个人的三种变体
- 检测框可能消失或错位
- 我们要探究背后共通的退化机制
02先猜一猜：检测器最依赖什么？quiz
Prediction
在人脸检测器眼中，最能帮助它从复杂背景里找出一张脸的线索是什么？选项：A 皮肤颜色和整体肤色；B 眼睛、鼻子、嘴巴等局部特征的组合；C 背景中的物体；D 整幅图的平均亮度。
- 先给一个直觉答案
- 不用怕猜错，后面会用证据检验
03亲手试试：特征逐项消失interactive
Evidence
调节遮挡程度、头部朝向和亮度，观察检测器返回的特征点：双眼、鼻子、嘴和脸部轮廓。记录哪些特征先消失。
- 分别拉动三个控制项
- 观察特征点存留数量
- 把现象记在心里
04为什么是这些特征在退化？slide
Explanation
三种条件的打击路径不同：遮挡是“移除”，侧脸是“压缩与自我遮挡”，暗光是“削去边缘对比”。它们都让检测器最需要的局部特征不可见。
- 遮挡：特征直接消失
- 侧脸：失去双眼对称，鼻子嘴互相遮挡
- 暗光：梯度与边缘信息减弱
05边界：并非所有检测器都同样脆弱slide
Boundary
现代深度学习检测器可能利用头发、衣服、背景或上下文线索来补救；极端暗光和多重重叠时会同时打破多种特征，退化更严重。
- 有些检测器带有上下文补救
- 但特征越多失效，退化越严重
- 本结论主要适用于基于局部特征的传统与现代可解释检测器
06换你来预测：捂住哪里伤害最大？interactive
Transfer
给一张抽象脸示意图，选择要遮挡的区域：左眼/右眼、鼻子、嘴巴、轮廓。每遮挡一个区域，看检测信心如何变化。用上一条结论预测哪块最致命。
- 选择不同遮挡区域
- 观察检测置信度变化
- 哪个区域最接近证据中的关键特征？
07答案：关键特征在哪，退化就发生在哪slide
Resolution
回归驱题：遮挡、侧脸与暗光分别通过移除、对称丢失和边缘削弱，让双眼、鼻子、嘴与轮廓这些特征退化。检测器对特征可见性高度敏感，所以条件一变，检测框就动摇了。
- 遮挡→特征直接消失
- 侧脸→对称与可见度下降
- 暗光→边缘和对比度崩溃
- 检测器依赖局部特征组合