mtcnn模型总结

mtcnn(cascaded network)

1 数据集的准备(widerface celeba)：

   负样本，正样本，部分样本，关键点样本比例=3:1:1:2,正负样本以及部分样本从widerface数据集选出，选择规则为：计算IOU的值，如果该值大于0.65则为正样本，IOU小于0.3定为负样本，IOU范围在0.4到0.65之间的设置为partive数据。关键点样本从celeba数据集中选出, 可以根据标注的边框，在满足正样本的要求下，随机裁剪出图片，然后调整关键点的坐标.

2;模型结构：

三个模型的对比：R-net相比于p-net增加了一个全连接层，目的是通过边框回归和NMS降低fp(这点不是很明白，改天问问大神再更新)，O-net是在R-net的基础上增加了卷积层，提高检测的精度。p-net到R-net的输入时用到了resize，同理，R-net到O-net的输入也用到了resize.每个网络的阈值设定一次递增，原因在于经过之前的边框回归以及NMS处理，后续模型的置信度值会变大。

3.损失函数

对于不管是P-net,R-net还是O-net来说模型都有三个输出，即face classification,bounding box regression还有facial landmark localization,其中对于face classification，说到底是分类损失，所以在计算时用到了二分类问题中常见的交叉熵损失函数：，其中pi表示的是输入人脸的概率，ydet指的是真实标签。bounding box regression以及facial landmark localization都属于回归问题，所以用到了回归问题中常用到的计算欧式距离求损失的方法。具体如下所示：

以及。

在计算样本的总损失时（其中N表示的是训练样本数量），用到了如下公式（即整体优化的目标）：

其实说白了，就是在三个损失前面分别乘上权重，来调节每个损失对总损失的重要性，重点说一下bij指的是样本标签

4 Online Hard sample mining

  在每个mini-batch中，我们从所有样本的前向传播中将计算得到的loss排序，然后只取其中loss最高的前70%作为hard samples。然后在反向传播（BP）中只计算这些hard samples，忽略那些简单的样本。

推荐一个讲解mtcnn源码的一个博客，讲的是基于mxnet的，网址为: https://blog.csdn.net/u014380165/article/details/78906898