Mtcnn算法是一種用于人臉檢測和對齊的多任務級聯(lián)卷積神經網絡。它是一種級聯(lián)結構，類似于AdaBoost算法，主要包括三個子網絡：一個是p-net網絡，主要得到候選窗口的回歸向量和人臉區(qū)域的包圍盒，并

Mtcnn算法是一種用于人臉檢測和對齊的多任務級聯(lián)卷積神經網絡。它是一種級聯(lián)結構，類似于AdaBoost算法，主要包括三個子網絡：一個是p-net網絡，主要得到候選窗口的回歸向量和人臉區(qū)域的包圍盒，并利用回歸向量對候選窗口進行標定，第二個子網絡是R-Net網絡，它只做檢測和邊界盒回歸兩個任務；最后一個子網絡是o-Net網絡，它進一步過濾前一個候選盒，對邊界盒進行回歸，并計算特征點在每個邊界盒上的位置。此外，mtcnn是一種多尺度的網絡結構。在輸入圖像數據之前，先構造圖像金字塔，得到不同尺度的圖像，然后發(fā)送到p-net網絡。

SSD算法是一種單級端到端目標檢測算法。其主要思想是對圖像的不同位置進行密集采樣，采用不同的尺度比和縱橫比，并采用卷積神經網絡結構提取特征進行分類和回歸。它的優(yōu)點是速度快。SSD提取不同尺度的特征圖進行檢測。前面的大比例尺特征圖用于檢測小目標，后面的小比例尺特征圖用于檢測大目標。Vgg16作為基本模型。

Yolo目標檢測算法的基本思想是利用CNN從輸入圖像中提取特征，并將輸入圖像分割成s×s單元。如果物體的中心落入其中一個細胞，該細胞負責探測目標。在原有Yolo結構的基礎上，yolov3采用多尺度融合進行預測，提高了小目標檢測的精度?；痉诸惥W絡與RESNET殘差網絡相似。分類任務使用logistic代替softmax，并使用9個尺度先驗框來檢測大小目標。

Mtcnn是一種用于人臉檢測的特殊目標檢測算法，而Yolo和SSD是常見的目標檢測算法。另一種常見的目標檢測算法是兩級網絡模型。首先利用一些算法生成候選區(qū)域，然后對候選區(qū)域進行分類和回歸。這類典型的算法包括r-cnn算法、快速r-cnn算法、快速r-cnn算法、FPN算法等。這些算法我也在學習，有興趣的加關注，一起交流和討論！