理論部分

轉自 http://blog.csdn.net/u010668083/article/details/46650877

實驗部分

全連線層換卷積層的出處大約是yahoo的一篇論文“Multi-view Face Detection Using Deep Convolutional Neural Networks”。

論文使用 AlexNet 為基礎 fine-tuning 後的網路作為人臉分類器，在檢測時將網路中的全連線層改為卷積層，獲得的輸出即為每個點（下采樣後）屬於人臉的概率，按照一定閾值篩選後將每個點恢復到原始影象的尺寸可以得到一個矩形區域，然後用OpenCV中groupRectangles的方法對矩形區域進行聚類和刪除。

在實驗中我發現，

1. 改為卷積層的網路對同一張圖片，每次得到的heatmap是有差別的。按說model固定了結果應該是一定的。

2. 對一張待檢測的圖片，需要對其變化尺寸（因為分類器針對的尺寸是固定的，在這裡為227*227），這樣檢測效率還是會比較低。