人脸检测和对齐--MTCNN训练1--P-net

采用数据集：

人脸检测和人脸框回归：WIDER_FACE

特征点标定：Celeba

P-net:

P-net的任务是人脸检测和人脸框回归，所以该阶段仅需要使用WIDER FACE数据集。为什么没带特征点标定任务？P-net输入12*12的图像，图像太小，不适合做特征点标定。

（1）取候选窗，生成训练图片

下载的原始数据集并不能直接用于训练，而是在原始图像上截取候选框图像。随机截取候选框，根据IoU计算候选框所属类别，并将其resize到12*12大小，将resize后的候选框图像保存到对应的类别文件夹下。每个类别生成一个txt文档，存放图片路径以及对应的候选框位置信息。

根据IoU计算选择的候选框是属于negative（IoU<0.3）、positive（IoU>0.65）、part（0.4<IoU<0.65），三者的比例为3:1:1。

其中positive和negative用于人脸检测，positive和part用于人脸框回归。

（2）生成imdb，训练数据

使用positive和negative类别中的图像生成人脸检测所需的数据cls.imdb

使用positive和part类别中的图像生成人脸框回归所需的数据roi.imdb

(3)构建网络和solver，开始训练