前言
这一篇主要记录模型的训练尝试过程，之所以称为“尝试”，是因为受限于个人能力，这里只做了简单粗浅的训练，无法提供详细的调参/效果提升的相关建议。训练代码包括训练集数据主要参考自链接，原文中代码存在一些错误在这里做了一些修改。另外这里只训练模型输出人脸得分与人脸框位置，并未输出人脸5个关键点信息。
数据准备
训练中需要ground truth数据，这里从人脸数据集（密码：ctvw）下载相关数据。下载后的数据中包括图像数据与包含人脸框的标注xml文件，需要从xml文件中解析得到人脸框数据，并与图像文件对应起来保存到一个文本中，具体见我的工程中的parse_xml.py。
之后我们需要生成训练集，原始版本算法中需要生成4类数据集pos、part、neg、landmark，这里由于没有人脸关键点的数据，不会生成第四项数据集。通过在人脸照片中随机裁剪部分图像数据，并计算该区域与参考人脸框的IOU值。若IOU值大于0.65，将其归为part，若IOU小于0.4，将其归为neg；否则归为part。训练中会使用pos+neg训练网络的人脸得分部分，使用pos+part训练网络中的人脸框位置部分。将裁剪的图像宽高缩放为12X12，这里生成的数据都是为了训练PNET网络。
模型训练
训练PNET：其输入图宽高为12X12，输出为人脸得分与人脸框位置；
训练RNET：将得到的PNET作用于人脸数据集，并将得到的人脸框与参考人脸框计算IOU，再根据其大小分为pos、part、neg三类；将图像尺寸缩放为24X24，作为RNET训练集，训练RNET
训练ONET：将得到的PNET与RNET依次作用于人脸数据集，并将得到的人脸框与参考人脸框计算IOU，再根据其大小分为pos、part、neg三类；将图像尺寸缩放为48X48，作为ONET训练集，训练ONET
测试
使用输入图测试结果如下，可以看到一个人脸区域出现两个相邻的人脸框，这里可以通过调整NMS中的阈值来过滤掉。完整的工程代码见链接：https://pan.baidu.com/s/1UdY_9J8hGfEEZoOv-1CdWg 提取码：inny
参考
https://blog.csdn.net/weixin_41668848/article/details/107333162