采用数据集：
人脸检测和人脸框回归：WIDER_FACE
特征点标定：Celeba
P-net:
P-net的任务是人脸检测和人脸框回归，所以该阶段仅需要使用WIDER FACE数据集。为什么没带特征点标定任务？P-net输入12*12的图像，图像太小，不适合做特征点标定，我个人理解是loss函数根据人脸带不带关键点来训练的；其实widerface和celeb都是用了，第一阶段到第三阶段都使用；
（1）取候选窗，生成训练图片
下载的原始数据集并不能直接用于训练，而是在原始图像上截取候选框图像。随机截取候选框，根据IoU计算候选框所属类别，并将其resize到12*12大小，将resize后的候选框图像保存到对应的类别文件夹下。每个类别生成一个txt文档，存放图片路径以及对应的候选框位置信息。
根据IoU计算选择的候选框是属于negative（IoU<0.3）、positive（IoU>0.65）、part（0.4<IoU<0.65），三者的比例为3:1:1。其中positive和negative用于人脸检测，positive和part用于人脸框回归。
（2）生成imdb，训练数据
使用positive和negative类别中的图像生成人脸检测所需的数据cls.imdb
使用positive和part类别中的图像生成人脸框回归所需的数据roi.imdb
(3)构建网络和solver，开始训练
(4)使用生成的训练模型，生成难例样本，继续训练下一阶段的网络；都是微调网络；
P-net网络中是没有fc层的，不需要固定大小，R-net和O-net都是有fc层的，训练的输入必须的固定的；
测试时候：
1：做不同的Scale，先第一阶段和第二阶段的输出推荐窗口，只是分类和框的回归；在第三阶段之后才开始输出定位的结果；