MTCNN

1、简介

计算机视觉方面一直在疯狂地追求更大更硬更强的神经网络模型。但有时候，更大更硬更强并不是件好事，模型太大，显存不够放不进去，很麻烦，更别提应用到移动设备上了。

模型不够大就不够强，不够小就不够快。

而MTCNN，就是在计算机视觉人脸检测和矫正中，兼顾小而准的代表作品。

 也就是利用滑动窗口的方法，在图片当中将小框框每次向右移动一定的长度，然后获得下一个框框，当框框移动到第一行的最后的时候，则第一行取完了 之后向下平移，此时当做第二行。简单总结就是将框框按照一定的长度平移，遍历整张图片，从而找到人脸的位置。

 MTCNN将原始图像缩放到不同尺度，形成图像金字塔。

MTCNN由三个级联的网络组成，分别是P-Net, R-Net, O-Net

图片经过预处理，先经过P-Net网络，将结果给R-Net网络，R-Net网络的输出再传给O-Net网络，O-Net最后得到输出结果。

MTCNN的三层结构： 

• 阶段一：先使用全卷积网络，即P-Net，来获取到获选的人脸框和其对应的向量。随后根据回归框向量对候选框进行校正。之后使用非极大抑制（NMS）来去除高度重合的候选框。
• 阶段二：P-Net得到的回归框都送入到R-Net中，随后拒绝大量错误框，再对回归框做校正，并使用NMS去除重合框。
• 阶段三：与阶段二类似，但是这里会额外进行人脸特征点（5个）的检测。

要解决的问题：同时进行人脸检测（face detection)和人脸对齐(face alignment)任务。

解决方法：1、提出了一个基于深度学习的级联结构。

                  2、提出了一种新的训练策略，称为online hard sample mining strategy, 用于提升训练精度。

 DATE

imput:  resized image(P-Net: 12x12x3, R-Net: 24x24x3, O-Net: 48x48x3)

lable: image is face or not(bool)

roi: bbox in rw image(各层输入图像中人脸位置框图坐标）