目标检测（人脸识别）经典算法—MTCNN（Multi-task Cascaeded Convolutional Networks）

多任务级联卷积网络

该网络可以称之为目标检测应用的开山之作。但是由于其网络层次复杂，识别速度慢，目前的工程领域并不常用，其核心思想却在各个常用的目标检测算法中经常使用。
一、图像金字塔

当网络对一张图片进行特征提取时，我们设定的框往往不能够框住图片上的目标（对于任意一张图片我们并不知道目标在图片上所占的比例），如下图所示，由于设定窗口（蓝框）太小，无论如何移动，也框不到我们想得到的人脸。

使用图像金字塔对图片进行缩放，如下图，当被缩放图片的最小边长小于设定框时，x
二、IOU（交并比、重叠度）

如上图所示，红色框为真实框A，绿色框为预测框B。IOU表示两个框的重叠度。公式如下：

IOU的计算为NMS提供基础。
三、NMS（非极大抑制）
文章中所提到的NMS方法，在其他很多地方应用也很广。

这是举例说明，我们首先选取0.98的框，将其他所有框的得分与0.98做IOU，设定阈值为0.3，与0.98做IOU大于0.3的框被淘汰，其余保留。很明显，左一0.75和0.85框都被淘汰（抑制）。0.98被保留，剩下其余六个框。其中0.90最大，剩下的得分再与0.90做IOU，同上。以此循环。最后剩下的框不一定是三个，至于为什么可以自己领悟。
四、P-Net（proposal Net）


经过前面的图像金字塔处理，通过一个FNC进行初步特征提取与标定边框，并通过NMS对大部分窗口进行过滤，Bound ing－Box Regression调整窗口。
P-Net 是一个人脸区域建议网络,将提取到的特征输入该网络的三个卷积层后,通过一个分类器判断该区域是否存在人脸,同时使用Bound ing-Box Regression和面部关键点的定位器来初步标记人脸区域.P网络中将输出很多可能存在人脸的候选框,交给R-Net做处理.(此时可以将P-Net预想为公司招聘时的HR面,只是将可能存在脸部的框保留了下来,并没有考虑精度)

五、R-Net（Refine Net）

相比第一层P-Net,在第二次卷积之后增加了一个池化层,最后一次卷积完后增加了一个全连接层.R-Net网络将过滤掉输入进来的效果不好的候选框,最后对选定的候选框进行Bound ing-Box regression和NMS进一步优化预测结果.
六、O-Net（Output Net）

结构上相比于R-Net 多了一个卷积层和一个池化层,全连接层也由128增加到256.此时会通过更多的监督进行识别面部的区域.而且会对人的面部特征点进行回归,最终输出五个人脸面部特征点.