https://blog.csdn.net/qq_36782182/article/details/83624357
人臉檢測方向系列論文：https://zhuanlan.zhihu.com/p/81918847
1. 接三層CNN惫霸，分別做由粗到細(xì)的檢測
????a) 第一層：P-Net（fully connected convolutional network）振亮，快速選出可能包含人臉的候選區(qū)域柜某。對(duì)于畫面中的人臉削祈，這一步可能產(chǎn)生很多個(gè)bounding box捶箱，需要用極大值抑制算法（NMS）選出其中一個(gè)最優(yōu)的
????b) 第二層：R-Net（稍微復(fù)雜一點(diǎn)的CNN），會(huì)過濾掉大部分非人臉區(qū)域画侣，然后再用NMS選出優(yōu)解
????c) 第三層：O-Net（比較強(qiáng)大的CNN）尼桶，可以優(yōu)化輸出的bounding box并輸出比較精細(xì)的landmark
2. CNN的訓(xùn)練基于以下三個(gè)任務(wù)，以三者中部分目標(biāo)函數(shù)的結(jié)合為網(wǎng)絡(luò)的總目標(biāo)函數(shù)：對(duì)于某個(gè)任務(wù)的特定數(shù)據(jù)集搀庶，只應(yīng)用其對(duì)應(yīng)的目標(biāo)函數(shù)拐纱；針對(duì)三個(gè)網(wǎng)絡(luò)的不同目的，提出不同的訓(xùn)練權(quán)重
????a) 區(qū)域中是否包含人臉（分類問題）哥倔，交叉熵
????b) 人臉bounding box（回歸問題）秸架，歐氏距離
????c) 人臉landmarks的定位（回歸問題），歐氏距離
