MTCNN的训练

MTCNN简介

MTCNN使用多任务级联卷积网络进行联合人脸检测和对齐。包含三个网络，分别是P-Net、R-Net、O-Net。三个网络可以分开训练，但是在使用时，是串行使用的，P-Net输入大小不受限制，当图片输入后，P-Net会通过12*12的窗口找到不同尺寸图片下（图像金字塔）人脸的建议框，之后将建议框所框出的区域转正R-Net的输入大小（图片转正方形），传入R-Net精细化建议框，同理，将建议框所框出的区域转正O-Net的输入大小（图片转正方形），传入O-Net输出最终结果，包括人脸框以及关键点。

IOU

IOU就是两个图形面积的交并比。IOU的作用就是计算两个图像的面积重合度，如果两个图像有交集，那么就使用两个图像的交集除以并集，就可以得到重复面积的值，也就是IOU值，很显然，这个值的范围在0~1之间，两个图像完全不重合IOU值为0，完全重合，IOU值为1.
另外一种嵌套框的IOU计算，是根据交集除以最小面积计算。 大框套小框 IOU=1

数据集及处理

数据集采用的是CelebA。值得注意的是，该数据集标签中，有许多错误的数据，因此使用的时候，需要经行一定的筛选。

根据设计，可以到三个网络输入图像大小，为1212，2424，48*48
网络在学习的过程中，主要学习两个参数，一个是置信度，表示窗口滑动到当前位置时，检测到人脸的概率值。另一个是学习到的坐标偏移值，用来回归真实坐标。根据需求，模型不仅仅要学习是否有人脸，还要学习人脸的具体位置。所以，每种尺寸下的样本都做了正样本（全人脸）、部分样本（部分人脸）、负样本（非人脸）。用正样本和负样本训练是否有人脸的置信度，用正样本和部分样本训练人脸的坐标位置。

在原人脸框附近随机偏移、缩放人脸框、就可以得到和原人脸的IOU值。论文中IOU>0.65是正样，0.4<IOU<0.65是部分样本，0.3<IOU<0.4舍弃，IOU<0.3是负样本比例 1：1：3（负样本占比大是因为MTCNN的误检率特别高，造成这样的原因：主要是因为P网络筛选的图，大多都是人脸特征图，因此网络训练的其他背景很少，导致误检率很高。）
根据样本的置信度分类（负，正，部分：0，1，2），对样本经行分类训练
1.将类别小于2的正、负样本用来做置信度的训练，损失函数选择BCE
2 将类别大于0的正、部分样本用来做坐标偏移量的训练，损失函数选择MSE

网络结构

搭建网络结构，并将数据传入网络，即可开始训练。