整體結(jié)構(gòu)參考鏈接：https://blog.csdn.net/wwww1244/article/details/81034045

本人項目鏈接（運行步驟沒有問題）：
鏈接: https://pan.baidu.com/s/1lvkEQU7JxtcyYGgwhHdhFQ 提取碼: 9ra2

默認(rèn)系統(tǒng)已經(jīng)搭建好了caffe（BLVC）環(huán)境

一．準(zhǔn)備ｃｐｐ數(shù)據(jù)?。夸洠簆repare_mtcnn_cpp_data/）

1. 在caffe（ＢＬＶＣ） 環(huán)境新建文件： tools/convert_imageset_multi.cpp　
   
2. 進(jìn)入mtcnn工程中prepare_mtcnn_cpp_data目錄，運行copy.sh 復(fù)制文件到指定位置 (打開copy.sh文件，修改文件中的caffe 路徑)
3. 重新編譯caffe: make caffe

二．準(zhǔn)備數(shù)據(jù)　(目錄: train/)

4. 進(jìn)入train目錄，準(zhǔn)備圖片數(shù)據(jù)集（JPEGImages/ Annotations/）

所有的運行過程我已經(jīng)寫成.bat腳本文件

5. 生成12,24,48網(wǎng)絡(luò)訓(xùn)練的圖片數(shù)據(jù)，運行： bash prepar_data_file.bat
6. 生成12,24,48網(wǎng)絡(luò)訓(xùn)練的lmdb數(shù)據(jù)，運行： bash prepar_lmdb_data.bat

三．訓(xùn)練階段　(目錄: train/)

7. 訓(xùn)練12(Ｐ)網(wǎng)絡(luò)，運行：　bash train-12.bat
8. 訓(xùn)練24(Ｒ)網(wǎng)絡(luò)，運行：　bash train-24.bat
9. 訓(xùn)練48(Ｏ)網(wǎng)絡(luò)，運行：　bash train-48.bat

四．測試階段　(目錄: test/)

10. model/ :模型文件路徑（復(fù)制訓(xùn)練新產(chǎn)生的文件到其中）;
    　　　mtcnn2.py調(diào)用模型文件(注意修改模型路徑，已經(jīng)調(diào)整threshold閥值，nms數(shù)值);
    　　　test.py調(diào)用mtcnn.py進(jìn)行測試（注意修改其視頻文件路徑）

五．腳本文件解析　(目錄: train/)

11. prepar_data_file.bat　下面以12Ｐ-net 舉例 (另外兩個網(wǎng)絡(luò)相似)
    11.1 xml2txt_extract.py ：用于生成label.txt文件
    　11.2　label.txt：記錄xml文件中所有<bndbox>的位置，格式為：　圖片路徑+目標(biāo)框位置(x1,y1,x2,y2) 以空格隔開
    11.3 gen_12net_data2.py： 用于生成Ｐnet 所需要的圖片:neg(IOU<0.3) part(0.4=<IOU<0.65) pos(IOu>=0.65)）,和相應(yīng)的txt文件，以及所有圖片的txt文件(label-train.txt)
    11.4 12net_train_val_split.py： 用于生成訓(xùn)練所需要的train val txt 文件
    　11.5　models-12/　用于保存訓(xùn)練產(chǎn)生的模型和snapshot文件
12. prepar_lmdb_data.bat　
    產(chǎn)生的數(shù)據(jù)分別防止在每個網(wǎng)絡(luò)文件的img_train_lmdb和img_val_lmdb文件夾中
13. train-12.bat
    　 調(diào)用caffe接口進(jìn)行訓(xùn)練,注意調(diào)整solver-x12.prototxt和det1-train.prototxt文件中的參數(shù)以獲得更好的模型