人脸任务总体上分为：人脸检测、人脸关键点检测、人脸判别、人脸识别、人脸聚类等。
作者认为人脸检测和人脸关键点检测这两个任务之间是有联系的（直观上来想，确实如此，网络在提取人脸信息的时候必然会包括关键点的信息）。所以，提出了mtcnn的综合框架，同时处理人脸检测和人脸关键点识别。
总体的算法思路很简单，主要是有3个浅层网络级联在一起，每一级的精度逐步提高，作者通过这种分级过滤的方式来提高速度。3个浅层网络分别是：P-Net、R-Net、O-Net。
一、算法步骤
1、建立图像金字塔
2、图像金字塔中的图片进入P-Net，这是一个全卷积网络，输出部分分为两个分支：分类分支（二分类）和定位分支（人脸的bbox）。
3、将2中产生的bbox和原图送入R-Net，进一步过滤这些bbox，得到更精确的结果。
4、将3中得到的bbox和原图送入O-Net，输出3个结果：分类（二分类）、定位（人脸位置）、关键点（5个关键点的坐标）。
具体结构如下图所示：
二、Loss
1、分类loss：标准交叉熵损失函数
2、定位loss：
3、关键点loss：两个点之间的欧式距离，即
4、3个网络的loss分别为：
（1），背景bbox：
，前景bbox：
（2），背景bbox：
，前景bbox：
（3），背景bbox：
，前景bbox：
