retinaface 人脸检测训练过程

参考源码：https://github.com/biubug6/Face-Detector-1MB-with-landmark

设batch=N，训练图片大小为300*300，输出通道数为64，每个点的anchor数为2，反例交并比阈值为0.35，正反例样本比例为1:7。

1、任取N张图片，从每张图中随机取一个方块，（确保其中有人脸，如没有则重取方块，超过一定次数使用原图），做图像增广（包括色调变换、镜像等），缩放成300*300。

2、主干网络输出map大小为N*64*38*38、N*128*19*19、N*256*10*10，如下图绿色；通过FPN，输出为N*64*38*38、N*64*19*19、N*64*10*10，如黄色；通过SSH，大小不变，如蓝色；渐变色红绿蓝分别表示分类预测值、边界框回归值和特征点回归值，3810是总anchor数量（3810=38*38*2+19*19*2+10*10*2）。

3、计算标定人脸框和所有anchor的交并比，取最大值作为其所属。结果是N*3810个分类值（1或0）、大小为N*3810*4的边界框偏移量和大小为N*3810*10的特征点偏移量。交并比小于0.35的人脸视为负样本。

4、2和3分别计算的是预测值和标定值，使用其中的有效人脸（带特征点标定的人脸）计算特征点损失（SmoothL1），所有人脸计算边界框损失（SmoothL1），所有人脸和7倍的负样本计算分类损失（CrossEntropy）。