人脸检测（三）——Multi-task CNN（MTCNN）

这篇文章主要记录了《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》链接

在人脸检测和特征点定位的任务上，这篇文章提出的方法比现有最先进的技术有明显的额提升，而且具有实时处理的性能。

在这篇文章中，提出了一个深度卷积多任务的框架，这个框架利用了检测和对准之间固有的关系来增强他们的性能。特别是，在预测人脸及脸部标记点的时候，通过三阶的级联卷积神经网络对任务进行从粗到精的处理。而且还提出了一种新的在线困难样本生成策略来进一步提升性能。

论文最主要的一点应该是三阶的级联卷积神经网络。我们应该能从下图直观地看出其特点：

stage 1（P-Net）：一个浅层的全部由卷积层组成的CNN快速生成候选窗口，获取候选人脸窗口以及人脸回归向量，再基于估计的边框进行校准，之后才有NMS来合并高度重叠的候选。

stage 2（R-Net）：用stage1得出的结果，放到R-Net进一步排除大量错误的候选，使用边框回归执行校准并进行NMS。

stage 3（O-Net）：这个和stage 2 有点类似，但是这个阶段目的是识别出更准确的脸部区域，最后输出5个特征点位置。