MTCNN：级联卷积神经网络
技术关键点：图像金字塔，三层及联网络架构(P、R、O)、NMS、IOU
特点：多目标识别，无anchor
数据集：CelebA+WiderFace
网络流程：
第一步：对图片做图像金字塔，将一张图像缩放成多种尺寸，这一步的目的是让图片中的人脸有多个尺寸，以便于网络来识别，可以理解为框选人脸的框的大小是固定的，但是有些图像中人脸大小不一样，我们通过对图像做缩放，总有一个尺寸的人脸是符合该框的。
第二步：将这些图片传入P网络中，P网络输出是一张无固定大小的特征图，特征图上每一个特征点，都是一个输出(分类、偏移)，我们可以通过该特征点再特征图上的位置，反算到该特征点所对应的原图的区域，从而通过输出的偏移量，来获得该位置的输出的候选框。然后我们将候选框调整为正方形后，获取到该候选框内的图像。
第三步：此时我们获得了大量的图像，再将这些图像缩放到24*24的大小，传入到R网络当中，R网络对每一个输入进来对图片进行二次的筛选和调整。得到了精选过的候选框。
第四步：我们将R网络得到的精选框，反算到原图，再次进行框选，得到精选后的图片，再将这些图片缩放为48*48，再传入到O网络中进行最终的筛选和调整，从而得到准确的结果。
网络模型：
损失函数：
总损失 = 分类损失(除去部分样本)：交叉熵 ➕ 偏移量损失(除去负样本)：均方差
疑问难点：
1、P、R、O分别是用尺寸为12 x 12、24 x 24、48 x 48的图片进行训练的，但使用的时候，为什么能直接传原图进入P网络？
答：传12 x 12的图片时只得到的一个输出，但当传一整张图时，输出为一张特征图，此时特征图上的每一个特征点，都是一个输出，可以由该点在特征图的位置反算到该输出对应的原图位置。
2、P网络的输出，如何反算回原图获得目标区域？
答：特征图中每个特征区域代表原图的一个区域，通过该区域可以反算到所对应的原图位置。
3、R网络的输出，如何反算回原图获得目标区域？
答：R网络输入的是原图的坐标，直接通过坐标进行反算。
4、数据集如何制作 ？
答：我们分别要为P、R、O三个网络做数据集，每个网络的数据集中图片尺寸分别为12 x 12，24 x 24，48 x 48，每个尺寸又分为正样本、负样本、部分样本三个部分。 通过对CelebA中Label的目标框进行随机移动，获得新的目标框，再计算新建议框和原建议框的IOU，通过IOU值对将新对目标框分为正、负、部分样本。