MTCNN论文阅读及代码理解

MTCNN，全称Joint Face Detection and Alignment using
Multi-task Cascaded Convolutional Networks，2016年提出，论文发表在普通sci上（没有自己研究过，由于sphere face 用的这个才找的）， 主要研究的是人脸检测（人脸目标框定位和关键点检测），这篇文章提出三段网络分阶段训练。

PNet：

训练数据：WiderFace(人脸检测)+(Lfw+net)（关键点预测），
人脸检测：根据不同IOU生成对应的人图片，比例为negative：positive：part = 3：1：1，将生成的图片降采样为1212大小的图片，送入网络训练，负样本除了标签信息不需要其他信息，真样本信息（IOU>0.65）除了标签信息还需要标注与ground truth的offset（归一化之后的，不是原始坐标点），
关键点检测：同人脸检测，除了基本从边框抠出来的图片得到其landmark信息（归一化之后的，不是原始坐标点），还做了数据增强：左右镜面转换，左右中心点坐标旋转。
2个回归1个分类的结合：人脸非人脸做分类，bbox和landmark做回归分析，用的都是nn.MSE_Loss
网络：网络架构很简单

复现过程中使用的使三层CNN 3310 3316 3332 替换 5510，33*16