一.Cascade CNN的框架结构

1.Cascade CNN的整体框架

级联结构中有6个CNN，3个CNN用于人脸非人脸二分类，另外3个CNN是边界校正网络，用于人脸区域的边框校正。给定一幅图像，12-net密集扫描整幅图片，拒绝90%以上的窗口。剩余的窗口输入到12-calibration-net中调整大小和位置，以接近真实目标。接着输入到NMS中，消除高度重叠窗口。

2.12-net、24-net、48-net的网络框架结构

3.12-calibration-net、24-calibration-net、48-calibration-net的网络框架结构

二.Cascade CNN人脸校验模块原理

该网络用于窗口校正，使用三个偏移变量：Xn：水平平移量，Yn：垂直平移量，Sn：宽高比缩放。候选框口（x,y,w,h）中，（x,y）表示左上角点坐标，（w,h）表示宽和高。

我们要将窗口的控制坐标调整为：

在这项工作中，我们有N = 5 * 3 * 3 = 45种模式。偏移向量三个参数包含以下值：

$Sn：(0.83,0.91,1.0,1.10,1.21)$Sn：(0.83,0.91,1.0,1.10,1.21)

$Xn：(-0.17,0,0.17)$Xn：(−0.17,0,0.17)

$Yn：(-0.17,0,0.17)$Yn：(−0.17,0,0.17)

同时对偏移向量三个参数进行校正：

三.训练样本的准备

人脸样本
非人脸样本

四.级联的优势

1. 最初阶段的网络可以比较简单，判别阈值可以设得宽松一点，这样就可以在保持较高召回率的同时排除掉大量的人非人脸窗口。
2. 最后阶段网络为了保证足够的性能，因此一般设计的比较复杂，但由于只需要处理前面剩下的窗口，因此可以保证足够的效率。
3. 级联的思想可以帮助我们去组合利用性能较差的分类器，同时又可以获得一定的效率保证。

五.Cascade CNN的主要贡献

1. Cascade CNN是一种非常快速的人脸检测算法。对传统的VGA图像检测在CPU上可以达到14FPS，在GPU上可以达到100FPS。
2. 在FDDB上达到了当年最好的分数。
3. 我们先用CNN网络在低分辨率下对输入图像进行评估，达到快速剔除非人脸区域的目的，并在高分辨率下仔细处理具有挑战性的区域，以达到准确检测的目的。
4. 设计了边界校正网络用于更好的定位人脸位置。