理论基础、实现过程、样本生成、采样、训练、测试使用等全部代码。
上传的.png图片是MTCNN的整个过程和技术难点的分析，以及训练和使用过程，个人感觉用图示的方法更加的形象化。
代码部分：由于MTCNN有三个网络，需要生成三种大小的样本，分别是12x12,24x24,48x48大小的图像做为样本，除了生成样本代码，还有采样代码、网络训练代码、测试代码。 样本生成和采样代码只上传了48x48的，12x12和24x24的样本生成以及采样和48x48的一样，改一下大小就可以了。
原论文提到的P_Net和R_Net也要使用关键点检测，实测发现只需要在O_Net加入关键点检测就能够达到效果了。
另外训练数据使用的是CalebA人脸数据集，对标签检测发现标签并不准确，有些偏大，所以本人在使用中对边界框进行了调整，发现效果要好的很多。 图片中绿色边界框是没有进行调整的效果，红色边界框是进行调整过的效果，可以看出红色边界框的对于人脸的检测效果要大大优于绿色边界框的效果。
文件中上传了三个网络的.pb文件，也就是已经训练好了的网络和权重，修改一下路径，直接调用detect网络就能够使用。