MTCNN心得体会

引言：最近项目牵扯到识别检测，我个人是特别反感这个领域的，因为这个领域从预处理就十分复杂，再到之后的网络编写，以及相应的trick。诚然，工作量大代表创新的地方巨多，取舍全看个人。不过老板活都接了，那我只有入坑了。

Pnet训练技巧：我阅读完了tensorflow源代码，将其改为pytorch架构。我比较推崇pytorch，它代表着未来，虽然主流是tensorflow。

1.pytorch的图片输入格式是[batch,channel,row,col]，用cv2或者PIL读入图片是[row,col,batch]，因此你要从image.transpose进行转换，切记别使用reshape，因为它会直接改变图片像素分布，导致后面输出的图片很奇怪，切记！
2.cv2与PIL统一，如果你训练用cv2，那测试就用cv2。前面用PIL后面就用PIL。因为cv2读取图片是RGB顺序，而PIL是BGR，所以前后一致

Rnet:未完待续，请持续关注