文章目录
1.序言
该项目是由mtcnn+arcsoftmax进行人脸识别的
2 人脸侦测
2.1 总体流程
思路概述：采用 级联 思想，上一个网络的输出作为下一个网络的输入
2.2 网络结构
2.2.1 Pnet
作用：判断是否存在人脸，并给出人脸框和关键点，为R网络提供建议框
输入：12x12x3的图片
输出：
1、人脸的概率。我采用二分类的方式做损失函数，故只输出了1x1x1 1个通道（如果采用多分类损失函数，则可输出2个通道）
输出一个通道的原因：一是损失函数采用的是二分类做损失函数，另一个就是在进行坐标反算的时候
2、人脸检测框偏移量的坐标（左上右下）。输出了1x1x4 4个通道
3、人脸关键点坐标。输出为1x1x10（代码中未实现）
2.2.2 Rnet
作用:对Pnet的输出的建议框，进一步进行判定，并进一步提高人脸的存在与否的精度
输入：24x24x3
输出：全连接
1、1==》人脸/无人脸
2、4==》建议框坐标偏移量
3、10==》关键点坐标偏移量（代码未实现）
3)Onet
作用：对Rnet的输出进一步精化，并进一步提高人脸的存在与否的精度
区别：和其他的网络相比，O网络的层数总共为6层
输入：48x48x3
输出： 全连接
1、1==》人脸/无人脸
2、4==》建议框坐标偏移量
3、10==》关键点坐标偏移量（代码未实现）
2.3 数据处理
使用数据集：CelebA
下载链接：https://pan.baidu.com/s/1_e8pSnfeMT0fCFEtvm8pSA
提取码：wpav
2.3.1 数据生成
项目文件夹构成
思路：
2.3.2 dataset
注意：我做的时候，在返回值，将图片数据、置信度、偏移量是分开返回的（置信度和偏移量可不分开返回）
问题：
在进行训练