https://blog.csdn.net/qq_36782182/article/details/83624357
人脸检测方向系列论文：https://zhuanlan.zhihu.com/p/81918847
1. 接三层CNN，分别做由粗到细的检测
a) 第一层：P-Net（fully connected convolutional network），快速选出可能包含人脸的候选区域。对于画面中的人脸，这一步可能产生很多个bounding box，需要用极大值抑制算法（NMS）选出其中一个最优的
b) 第二层：R-Net（稍微复杂一点的CNN），会过滤掉大部分非人脸区域，然后再用NMS选出优解
c) 第三层：O-Net（比较强大的CNN），可以优化输出的bounding box并输出比较精细的landmark
2. CNN的训练基于以下三个任务，以三者中部分目标函数的结合为网络的总目标函数：对于某个任务的特定数据集，只应用其对应的目标函数；针对三个网络的不同目的，提出不同的训练权重
a) 区域中是否包含人脸（分类问题），交叉熵
b) 人脸bounding box（回归问题），欧氏距离
c) 人脸landmarks的定位（回归问题），欧氏距离
