mtcnn算法可以改进的点记录

1.计算IOU的原算法横纵坐标都加一
2.第一步取12x12 neg图片只有50张 可以增加样本数量
3.将原本五个关键点的部位改成了20个关键点
4.把计算关键点包围盒的算法中参数 0123 改成了 0213
5.pos 正向数据量太小了 ，远小于neg 数据
6.生成tfrecord 的py文件尚未改进
7.训练模型调整学习率lr
8.数据量不够，只有337个IBUG数据集图片
9.训练步骤可由1000提高，同时动态变化学习率

10.训练Rnet过程中精度测试一直在 0.75 有问题
11.测试结果读取ONet模型有问题，box为空
12.保存参数模型的条件设置有更改
13.pos neg part 归一化的标记均为二位小数，可以更加精确一些
（训练模型精度一直为0.75的原因：
修改算法人脸原标记点是5 个，但是 嘴巴是20个标记点，只取前五个标记点没有训练效果）

14.pnet卷积核个数为 10

15.裁剪图象的处理 对delta_x 的取值计算

16.处理标记点的时候直接把 20，2的数组 reshape成 40

17.生成imglist时 把neg 的样本基数由5w改成 base的三倍

18.detector_face 在gen_hardexample中可以只读取一个图片用来测试吗？为什么可以测试很多图片。

pfld：
1.计算欧拉角
2.8层conv 细节