网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

class RNet(tf.keras.Model):
def init(self):
super().init()
self.conv1 = tf.keras.layers.Conv2D(28, 3, 1, name=‘conv1’)
self.prelu1 = tf.keras.layers.PReLU(shared_axes=[1,2], name=“prelu1”)

    self.conv2 = tf.keras.layers.Conv2D(48, 3, 1, name='conv2')
    self.prelu2 = tf.keras.layers.PReLU(shared_axes=[1,2], name="prelu2")

    self.conv3 = tf.keras.layers.Conv2D(64, 2, 1, name='conv3')
    self.prelu3 = tf.keras.layers.PReLU(shared_axes=[1,2], name="prelu3")

    self.dense4 = tf.keras.layers.Dense(128, name='conv4')
    self.prelu4 = tf.keras.layers.PReLU(shared_axes=None, name="prelu4")

    self.dense5_1 = tf.keras.layers.Dense(2, name="conv5-1")
    self.dense5_2 = tf.keras.layers.Dense(4, name="conv5-2")

    self.flatten = tf.keras.layers.Flatten()

def call(self, x, training=False):
    out = self.prelu1(self.conv1(x))
    out = tf.nn.max_pool2d(out, 3, 2, padding="SAME")
    out = self.prelu2(self.conv2(out))
    out = tf.nn.max_pool2d(out, 3, 2, padding="VALID")
    out = self.prelu3(self.conv3(out))
    out = self.flatten(out)
    out = self.prelu4(self.dense4(out))
    score = tf.nn.softmax(self.dense5_1(out), -1)
    boxes = self.dense5_2(out)
    return boxes, score

class ONet(tf.keras.Model):
def init(self):
super().init()

    self.conv1 = tf.keras.layers.Conv2D(32, 3, 1, name="conv1")
    self.prelu1 = tf.keras.layers.PReLU(shared_axes=[1,2], name="prelu1")

    self.conv2 = tf.keras.layers.Conv2D(64, 3, 1, name="conv2")
    self.prelu2 = tf.keras.layers.PReLU(shared_axes=[1,2], name="prelu2")

    self.conv3 = tf.keras.layers.Conv2D(64, 3, 1, name="conv3")
    self.prelu3 = tf.keras.layers.PReLU(shared_axes=[1,2], name="prelu3")

    self.conv4 = tf.keras.layers.Conv2D(128, 2, 1, name="conv4")
    self.prelu4 = tf.keras.layers.PReLU(shared_axes=[1,2], name="prelu4")

    self.dense5 = tf.keras.layers.Dense(256, name="conv5")
    self.prelu5 = tf.keras.layers.PReLU(shared_axes=None, name="prelu5")

    self.dense6_1 = tf.keras.layers.Dense(2  , name="conv6-1")
    self.dense6_2 = tf.keras.layers.Dense(4  , name="conv6-2")
    self.dense6_3 = tf.keras.layers.Dense(10 , name="conv6-3")

    self.flatten = tf.keras.layers.Flatten()

def call(self, x, training=False):
    out = self.prelu1(self.conv1(x))
    out = tf.nn.max_pool2d(out, 3, 2, padding="SAME")
    out = self.prelu2(self.conv2(out))
    out = tf.nn.max_pool2d(out, 3, 2, padding="VALID")
    out = self.prelu3(self.conv3(out))
    out = tf.nn.max_pool2d(out, 2, 2, padding="SAME")
    out = self.prelu4(self.conv4(out))


    out = self.dense5(self.flatten(out))
    out = self.prelu5(out)
    score = tf.nn.softmax(self.dense6_1(out))
    boxes = self.dense6_2(out)
    lamks = self.dense6_3(out)
    return boxes, lamks, score

**四. mtcnn的演示效果**


![](https://img-blog.csdnimg.cn/direct/1b21bfff7e524ff6959a5d81aefe9d8c.png)



**五. 整个工程的内容**


提供源代码，模型，提供GUI界面代码，主要使用方法可以参考里面的“文档说明\_必看.docx”


![](https://img-blog.csdnimg.cn/direct/42a977102cda4d59a7ac03a0567e13cd.png)


**代码的下载路径**（新窗口打开链接）**：**[基于深度学习神经网络MTCNN的人脸检测系统源码](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)


**视频演示可见：**[基于深度学习神经网络MTCNN的GUI界面人脸检测系统源码\_哔哩哔哩\_bilibili](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)


![](https://img-blog.csdnimg.cn/direct/d74685be597d4eeab7c7279d00473365.jpeg)


![img](https://img-blog.csdnimg.cn/img_convert/44beda64515295c9f38419cbb85444f2.png)
![img](https://img-blog.csdnimg.cn/img_convert/0440df5838523232490e1e52c9d99594.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化的资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

fab5e56a57acb)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**