轉自：http://blog.csdn.net/amds123/article/details/69568495
MTCNN主要包括三個部分,PNet,RNet,ONet
其中PNet在訓練階段的輸入尺寸為12*12,RNet的輸入尺寸為24*24, ONet的輸入尺寸為48*48. PNet網絡參數最小，ceffemodel僅有28.2KB, 所以速度最快.RNet的網絡參數次之，caffemodel大小為407.9KB, ONet的caffemodel大小為1.6M,三個網絡合起來不到2M.
測試階段大概過程
首先圖像經過金字塔，生成多個尺度的圖像，然后輸入PNet, PNet由於尺寸很小，所以可以很快的選出候選區域，但是准確率不高，然后采用NMS算法，合並候選框，然后根據候選框提取圖像，作為RNet的輸入，RNet可以精確的選取邊框，一般最后只剩幾個邊框，最后輸入ONet,ONet雖然速度較慢，但是由於經過前兩個網絡，已經得到了高概率的邊框，所以輸入ONet的圖像較少，然后ONet輸出精確的邊框和關鍵點信息．
訓練數據庫
論文中作者主要使用了Wider_face 和CelebA數據庫，其中Wider_face主要用於檢測任務的訓練，CelebA主要用於關鍵點的訓練．訓練集分為四種:負樣本，正樣本 ，部分樣本，關鍵點樣本. 三個樣本的比例為3: 1: 1: 2
訓練主要包括三個任務
人臉分類任務：利用正樣本和負樣本進行訓練
人臉邊框回歸任務：利用正樣本和部分樣本進行訓練
關鍵點檢測任務：利用關鍵點樣本進行訓練
訓練數據整理:
Wider_face包含人臉邊框標注數據，大概人臉在20萬,CelebA包含邊框標注數據和5個點的關鍵點信息．對於三個網絡，提取過程類似，但是圖像尺寸不同．
正負樣本，部分樣本提取：
１．從Wider_face隨機選出邊框，然后和標注數據計算IOU，如果大於0.65，則為正樣本，大於0.4小於0.65為部分樣本，小於0.4為負樣本．
２．計算邊框偏移．對於邊框，(x1,y1)為左上角坐標，(x2,y2)為右下角坐標，新剪裁的邊框坐標為(xn1,yn1),(xn2,yn2),width,height．則offset_x1 = (x1 - xn1)/width,同上，計算另三個點的坐標偏移．
３．對於正樣本，部分樣本均有邊框信息，而對於負樣本不需要邊框信息
關鍵點樣本提取
１．從celeba中提取，可以根據標注的邊框，在滿足正樣本的要求下，隨機裁剪出圖片，然后調整關鍵點的坐標．
loss修改
由於訓練過程中需要同時計算３個loss,但是對於不同的任務，每個任務需要的loss不同．
所有在整理數據中，對於每個圖片進行了15個label的標注信息
1.第1列：為正負樣本標志，１正樣本,0負樣本,2部分樣本,3關鍵點信息
2.第2-5列：為邊框偏移，為float類型，對於無邊框信息的數據，全部置為-1
3.第6-15列：為關鍵點偏移，為floagt類型，對於無邊框信息的數據，全部置為-1
修改softmax_loss_layer.cpp 增加判斷，只對於1,0計算loss值
修改euclidean_loss_layer.cpp 增加判斷，對於置為-1的不進行loss計算
困難樣本選擇
論文中作者對與人臉分類任務，采用了在線困難樣本選擇，實現過程如下：
修改softmax_loss_layer.cpp，根據計算出的loss值，進行排序，只對於70%的值較低的數據，
進行反向傳播．