去年做了个人脸项目,用到了MTCNN,后面有点忘记了,去网上看了下相关的博客想回忆一下,发现真的是写的要么外行要么就是非常简单,很怀疑那帮人也是随便看些博客自己写的。特别是P-Net的输入到底是图像金字塔还是12x12固定尺寸,以及P-Net到底生不生产Landmark,都没说到。还是自己老老实实又去看了原论文,对照着代码,才看的舒服。
MTCNN
P-net:通过一个浅层的CNN快速筛选出许多人脸潜在候选框
R-net:通过一个更复杂的CNN网络去除大部分不存在人脸的候选框
O-Net:最后的CNN优化结果结果并输出人脸landmark
P-Net:全卷积网络,获得候选框和他们的bbox 回归向量,用回归向量来校准候选框,接着使用NMS来合并候选框
R-Net:输入是P-Net的候选框输出,筛除掉不存在人脸的候选框,并再次使用bbox回归校准候