人脸检测（三）·MT-CNN

这篇论文专门整理了《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》的来源链接

针对的人脸检测及特征点定位任务中,该方法相比现有最先进的技术表现出显著的优势,并且同时具备良好的实时性

在本文研究中

论文的核心重点主要涉及三阶连续卷积神经网络。通过查看下图我们能够直观地了解其特点。

stage 1（P-Net） ：该系统第一阶段（P-Net）通过一个浅层的卷积神经网络（CNN）快速生成大量候选窗口，并提取候选人的面部窗口及其对应的回归向量；随后采用基于预估值边界校正步骤来校正估计边界；最后通过非极大值抑制（NMS）方法融合大量重叠的候选区域以获得最终结果

stage 2（R-Net） ：基于stage1产生的结果输入到R-Net中，并通过边框回归进行校准，并结合NMS进行筛选

stage 3（O-Net） ：这一阶段与Stage 2具有相似性，在此期间系统的主要目标是精确识别面部区域，并最终确定5个关键点的位置。

![](https://ad.itadn.com/c/weblog/blog-img/im