mtcnn模型总结

mtcnn(cascaded network)

1 数据集的准备(widerface celeba)：

   负样本，正样本，部分样本，关键点样本比例=3:1:1:2,正负样本以及部分样本从widerface数据集选出，选择规则为：计算IOU的值，如果该值大于0.65则为正样本，IOU小于0.3定为负样本，IOU范围在0.4到0.65之间的设置为partive数据。关键点样本从celeba数据集中选出, 可以根据标注的边框，在满足正样本的要求下，随机裁剪出图片，然后调整关键点的坐标.

2;模型结构：

三个模型的对比：R-net相比于p-net增加了一个全连接层，目的是通过边框回归和NMS降低fp(这点不是很明白，改天问问大神再更新)，O-net是在R-net的基础上增加了卷积层，提高检测的精度。p-net到R-net的输入时用到了resize，同理，R-net到O-net的输入也用到了resize.每个网络的阈值设定一次递增，原因在于经过之前的边框回归以及NMS处理，后续模型的置信度值会变大。

3.损失函数

对于不管是P-n