重要参数

• RetinaFace是一个密集回归的检测模型，关于预选框的配置会影响模型性能
• 默认的RetinaFace将会在FPN之后生成3个尺寸的特征图，
  在使用HRNet时返回尺寸倍数分别为1/4，1/8，1/16，
  其他骨干网络为1/8，1/16，1/32，即STEPS
• 对应在每个特征图中每个预选框的尺寸为MIN_SIZES，
  这是相对于输入原图的尺寸，这些预选框将与gt做IoU计算，
  根据IoU最大框xywh由VARIANCE计算偏移量，再与预测值计算loss

训练步骤：

1. 先设置一个初始的start up训练。
   使用adam作为OPTIMIZER，学习率在0.0001附近
   让网络学习到基本的数据特征，直到精度无法提高
2. 训练模型最好手动拷贝到一个新文件夹，避免覆盖
3. 读取最优模型进行增强训练。
   使用sgd作为OPTIMIZER，学习率在0.00001附近
   让网络学习到复杂的数据特征，直到精度无法提高

可以转ONNX