1. 对传入P网络的图片resize：由于一张图片内人脸的大小和人脸的数量不一定，用固定大小的选择框和移动步长不能准确地框出一张图片所有人脸（有可能框太大框了不止一个人脸，也有可能框太小框不住一个人脸）。所以图片传入P网络时，保持建议框大小（PNet要求的数据集大小，12×12）不变，每次按照一定比例不断对图片进行resize再传入P网络，直到图片最短边小于12，通常称这种方法为图片金字塔。
2. 将结果传入下一个网络：每次resize的图片传入P网络后，P网络都会生成相应的候选框，图片金字塔环节结束后，将选择置信度大于某一个值（这个值一般PNet > RNet > ONet）的候选框进行非极大值抑制，再将抑制后的结果对应的图片区域resize成24×24后传入RNet（resize是因为RNet输入图片大小是固定的）。为了使结果更好，可以将候选框对应的区域按最小边裁剪为正方形后再进行resize。同理，RNet得到的候选框进行置信度筛选和非极大值抑制后，按最小边裁剪为正方形，resize为48×48传入ONet，ONet得到的结果即为检测结果。
下面介绍非极大值抑制（NMS），首先介绍iou
iou：iou是交并比，用来表示两个框（矩形）的重合程度，计算方法为：
iou = 两个矩形交集的面积/两个矩形并集的面积
在某些情况下，还有一种iou计算为：
iou = 两个矩形交集的面积/最小矩形面积
iou的值越大，表示矩形相交部分越多。
非极大值抑制：先把所有的候选框按置信度大小排列，将置信度最大的候选框与其余候选框依次计算iou，当iou大于某一阈值时，将这个候选框删除。然后继续在剩余未删除的框中重复上述操作。
第一层网络——PNet：PNet是一个全卷积神经网络，因此图片传入时不需要固定大小。
第二和第三层网络——RNet、ONet：RNet和ONet后接全连接，需要固定大小，其中R网络固定12×12大小，O网络固定24×24大小。
网络结构如下：
损失函数: 对于置信度, 是一个0-1之间的二分类问题, 使用的是二分类交叉熵损失函数(BCELoss)
对于预测框和特征点, 采用的是均方损失函数(MSELoss)
注意: 对应置信度为0的负样本不进行框偏移量和特征点损失计算，若有部分样本（置信度可以设置为2），不进行置信度的损失计算。在选择时可以使用nonezore函数选择符合条件的框。
另外, MTCNN的每个网络侧重点不同，P网络侧重于找到可能是人脸的区域（宁滥勿缺），O网络侧重于精确筛选出人脸，因此在损失计算时，P网络置信度的权重要小于框和特征点的权重，R网络置信度权重相对更高一些，O网络置信度权重最高。
(本人第一次写博客, 不太熟练, 欢迎指正)
