MTCNN 训练，优化，light工程化bug修复

MTCNN训练

数据

    人脸检测和人脸框回归：WIDER_FACE

    特征点标定：Celeba

解释下什么全卷积网络，就是用一个卷积核卷积图片，所以只要图片的宽高大于卷积核的尺寸，都可以卷，卷出来的结果就是图像金字塔上的上一层。

例：Pnet 

w0 =12 h0 =12 stride =3，k =1

w1 = cell( (width -stride)/k )+1 =10,h1 = cell( (height-stride)/k )+1 =10;

对于全卷积的优化： 卷积stride代替maxpool；如stride为2做3*3的卷积，那么上面的Pnet结果如下

w0 =12 h0 =12 stride =3，k =2

w1 = cell( (width -stride)/k )+1 =5,h1 = cell( (height-stride)/k )+1 =5;

对于训练，Github上给出来的loss函数基本有问题，可以说明的就是没有做正则化；还有pnet训练堆叠严重的情况下，用一下hardsample就行了，我比较懒，直接用的作者的caffemodel生成的hardsample作为pnet的训练