MTCCNN人脸侦测(Pytorch实现）

人脸侦测(MTCNN实现）

MTCNN思想

网络结构(三级级联神经网络)

第一层网络：P网络

设计特点：1、全连接层是为了限制输入图片的大小
2、池化层多加了一层一方面是为了提取更加丰富的人物轮廓特征信息，另一方面则是为了减少运
算的参数量
3、输入图片扩大了一倍是因为多加了一层池化，因此要让输入的信息量足够大
4、五层网络，训练速度最慢，但精度最高
第二层网络：R网络

设计特点：1、全连接层是为了限制输入图片的大小
2、池化层多加了一层一方面是为了提取更加丰富的人物轮廓特征信息，另一方面则是为了减少运
算的参数量
3、输入图片扩大了一倍是因为多加了一层池化，因此要让输入的信息量足够大
4、四层网络，训练速度较慢，但精度较高
第二层网络：O网络**

数据集和标签制作

数据集制作

IOU的计算(代码实现：https://blog.csdn.net/qq_39086406/article/details/103183879)
1、IOU=交集面积/并集面积
2、交集面积计算方法：假设矩形A：[x1,y1,x2,y2]，矩形B：[x3,y3,x4,y4]，则交集C：[Max(x1,x3),Max(y1,y3),Min(x2,x4),Min(y2,y4)]，Sj=max(0,x2-x1)*max(y2-y1)
3、并集面积=两个矩形面积之和-交集面积

标签制作

**代码实现：**https://blog.csdn.net/qq_39086406/article/details/103183820

网络训练

训练注意要点：
1、由于训练时三个网络互不相关，因此三个网络可以同时训练
2、对于置信度的损失函数选用BCELoss，对于偏移量的损失函数选用MSELoss
3、部分样本不参与置信度损失的计算
4、负样本不参与偏移量损失的计算
**代码实现：**https://blog.csdn.net/qq_39086406/article/details/103183782

网络测试(使用）

测试流程图：

图像金字塔：做图像金字塔的目的是为了适应不同大小人脸尺寸的图片，因为扫描框是12x12固定不变的
NMS(非极大值抑制)：做NMS的原因是因为每个网络输出的同一张人脸的框可能有很多个，而我们只需要置
信度最大的框(代码实现：https://blog.csdn.net/qq_39086406/article/details/103183879）
代码实现：https://blog.csdn.net/qq_39086406/article/details/103183782

效果展示

召回率：97.56% 精确度：98.23%