10行python機器學習卷積網，如何實時100人臉定位？！普通電腦運行

今天介紹一個快速定位人臉的深度學習算法MTCNN，全稱是：Multi-task Cascaded Convolutional Networks多任務級聯卷機網。這個快速定位的深度學習有3個很好的作用。

1.可以構建除人臉外其他快速定位的應用。

2.可以在定位人臉後，提高後面對人臉識別的速度。

3.分步驟級聯算法，可以嘗試提高每層算法的優化，給出一個優化算法的可行方案。

本案就是利用MTCNN構建3個卷積網逐層處理，最終確定人臉個數，人臉的具體位置和五官位置！

上圖簡析了程序的3個步驟。

stage1: 在構建圖像金字塔的基礎上，通過全卷機網檢測人臉個數和大致區域，同時利用boundingbox regression (邊框迴歸)和 NMS(非極大值抑制（Non-Maximum Suppression)來進行修正。（注意：這裡的全卷積網絡與R-CNN裡面帶反捲積的網絡是不一樣的，這裡只是指只有卷積層，可以接受任意尺寸的輸入，靠網絡stride來自動完成滑窗）

stage2: 將通過stage1的所有窗口輸入作進一步判斷，同時也要做boundingbox regression 和 NMS。

stage3: 和stage2相似，只不過增加了更強的約束：5個人臉關鍵點。

程序對應的 create_mtcnn建立了這3個全卷積層。

以上程序構成的全卷積網絡的概覽

以上3圖詳解了3個全卷積層的尺寸構成。逐層細化，以此來加快速度是一個基本思路。

程序結合opcv對圖像進行實時採集和處理顯示。最終結果

下一篇文章我們講講這裡面用到的boundingbox regression (邊框迴歸)和 NMS(非極大值抑制（Non-Maximum Suppression)算法。

需要代碼可以點擊左下角的瞭解跟多，可以從我們網站上下載源碼。另外關注我們，有更多可以實際運行的深度學習案例。

昂鈦客ai專注人工智能社群，做最真實的人工智能！請關注我們、留言、點贊！

請關注