MTCNN论文笔记

MTCNN网络解读：

1. 搭建多层级联的CNN网络，将人脸检测和识别两个任务，使用统一的级联CNN集成在一起，进行解决。
2. 网络包括三层：
   1. 　　第一层PNet：通过浅层的CNN网络快速的生成候选框；
   2.        第二层RNet：通过一个更复杂的CNN网络优化人候选框，拒绝大量的非人脸候选框；
   3.       第三层ONet：最后通过一个更加强力的CNN网络去优化这个结果和面部关键点的位置的输出
3. 网络的特点：
   1. 　　将人脸检测和识别结合起来，用一个轻量级的网络达到实时监测的性能；
   2. 提出了在线做采样工程去提升性能；
4. 方法：
   1. 　　第一层：我们利用完全卷积网络，称为建议网络（P-Net），以类似于[29]的方式获得候选窗口及其边界框回归向量。然后利用估计的边界盒回归向量对候选样本进行校正。之后，我们使用非最大抑制（NMS）来合并高度重叠的候选。
   2. 所有的候选都被送入另一个CNN，称为Refine Network（R-Net），后者进一步拒绝大量的假候选，使用包围盒回归进行校准，NMS候选合并。
   3. 这一阶段类似于第二阶段，但在这一阶段，我们的目标是更详细地描述人脸。特别是，该网络将输出5个面部标志点的坐标。
5. 可能的性能受限因素：
   1. 　　一些滤波器缺乏多样性的权重，这可能会限制它们产生有区别的描述。
   2. 与其他多类目标检测和分类任务相比，人脸检测是一个具有挑战性的二值分类任务，因此可能需要较少的滤波器，但需要更多的滤波器。为此，我们减少了滤波器的数目，并将5×5滤波器改为3×3滤波器以减少计算量，同时增加深度以获得更好的性能。
6. 训练：

　　　我们利用三个任务来训练我们的CNN检测器：人脸/非人脸分类、人脸框回归和关键点定位。

1. 1. 　人脸分类：该任务为一个2分类问题，对每一个样本使用交叉熵

　　　　其中pi是由网络产生的将样本表示为人脸的概率。yi[det] 属于{0,1}表示基本真实标签。

1. 1.  边界框的回归：

　　　　　　对于每个候选窗口，我们预测它与最接近的真实值（即边界框的左上角、高度和宽度）之间的偏移量。学习目标被表述为一个回归问题，我们对每个样本使用欧氏距离作为损失：

　　　　　　其中yi^表示网络预测的结果，yibox表示真实结果，总共有4个坐标值；

 

1. 1. 人脸关键点定位：

　　　　　　和边界框回归任务类似，人脸关键点的检测也是一个回归任务，损失函数用欧氏距离