TensorFlow版本MTCNN解析

整体架构

针对这篇文章的读者，默认为是已经对MTCNN有了基本了解的，若对MTCNN还未了解的，可自行了解。
分为几个部分：

1. 样本生成部分
2. 三个模型的训练部分
3. 推理测试部分

样本生成部分

1. PNet的样本生成
   根据GT数据，生成正样本，已经中间样本；随机生成负样本；
2. RNet的样本生成
   img通过PNet之后，会在卷积结果层的每个点有一个预测分数，一个偏移值和一个landmark；其中卷积层的每个位置可对应到原图的相应位置，这个位置根据偏移值进行微调，获取PNet的预测位置；这个预测位置仍是不可靠的，我们需要使用GT数据对其进行处理，进而计算出和标准GT的偏移量；有了img，有了GT，有了偏移量，那样本就成了；
3. ONet的样本生成
   ONet的样本生成过程，和RNet的生成过程一样

三个模型的训练部分

这个部分很简单，拿刚才生成的数据进行单个模型的训练即可

推理部分

一个img过来之后，首先使用PNet进行处理，生成一系列的bbox，和一系列的置信度；将img和经置信度阈值过滤后的bbox送入RNet（这个时候，img仅仅提供该图片的长宽，防止bbox超出界外，RNet真正吃的是bbox图片），RNet对每个bbox进行预测，又生成针对每个bbox的置信度和偏移量，再做重复的工作；

在训练时候为什么用小图片，而不用全图？

在PNet训练过程中，我们使用的12*12的小图片，没有使用全图；原因：

1. 12*12的小图片和偏移值已经可以完成人脸的定位；也就是说，给模型一个半个脸的图片，模型可以通过偏移值的预测进而微调出这个全部脸的位置；
2. 在卷积的时候，我们对全幅图进行卷积，其实有点像fastRNN，然后将卷积的结果反馈到原图上即可；

会不会遗漏掉某些人脸?

可以想象，MTCNN使用的是金字塔模型，对原图不停的缩放，直到达到我们定义的最小人脸尺寸为止；另一方面，我们还在每个缩放的图进行卷积，这个卷积有点像滑窗，对整幅图滑窗并预测每个滑窗的概率；通过这两个手段，基本上可以排除遗漏人脸的可能，并且不想yolo算法那样，对检出物体有上限的限制；