文章链接: http://pan.baidu.com/s/1bQBJMQ 密码:4772
作者在这里提出了基于神经网络的Cascade方法，Cascade最早可追溯到Haar Feature提取时用到的Adaboost算法(参考这个博客:http://blog.csdn.net/zouxy09/article/details/7922923)，作者在这里将它和神经网络结合到了一起，可谓创新。
关键字:Cascade；Calibration;
为了提高图片的测试速度，作者在这里使用了Cascade，级联了6个CNN，结构如下：
这六个CNN共分为两类,一类网络(12-net,24...)（它们是2分类）去分类，同时产生候选框；一类网络(12-Calibration-net,24...)（它们是45分类）是对候选框进行位置矫正，它们的结构如下：
大致分析一下它的流程:（个人见解，可能有的地方有错误，非常欢迎指正~）
训练阶段：
作者先从AFLW数据集中的图片中进行裁剪获得人脸图片作为正样本，再从背景中裁剪获得负样本；
将正样本resized为12*12的大小，输入到12-net中进行训练；
将每一个正样本进行scale、x轴、y轴变换（共45种变换），生成45张图片，再贴上标配，输入到12-Calibration-net中进行训练，变换参数见下:
之后24、48网络的训练同理;
测试阶段:
输入测试图片，先对它进行scale变换，形成图像金字塔，再将金字塔中的每一张图片输入到级联网络中；
先进入12-net中，利用sliding-Window，获得特征图，设定一个阀值，一方面进行分类，一方面获得大于阀值的候选框；
将12-net的输出中大于阀值但是类别为非人脸的作为12-Calibration-net的负样本，大于阀值同时类别为人脸的作为12-Calibration-net的正样本，（注意这时候后面的网络便已经与原输入图片无关了）
这些候选框经过12-Calibration-net后每一个都输出45个得分，在经过下面的操作，获得最终变换的参数，即可获得调整后的框位置:
接着再将12-Calibration-net的输出先resized为24*24，再送到24-net的输入中，再进行分类，又剔除了一部分，接着再向后面的网络传输。。。
使用这种Cascade方法的好处就是：
（1）由于将一个大网络分解成多个小网络进行训练，训练难度减小，所需要的训练集也减小；
（2）虽然训练时数据准备较花时间，但由于分解成了小网络，计算复杂度降低，测试时间缩短，可以实现实时监测；