mtcnn设计中能用到哪些层次，详细分析

MTCNN（Multi-task Cascaded Convolutional Networks）是一种用于人脸检测的神经网络模型，主要由三个级联的卷积神经网络（P-Net、R-Net、O-Net）组成。MTCNN中主要用到的层次如下：

1. P-Net：P-Net是MTCNN的第一层级，用于初步筛选可能包含人脸的区域。它主要包含了卷积层、池化层和全连接层三种类型的层次。其中，卷积层和池化层用于提取特征信息，全连接层用于分类。

2. R-Net：R-Net是MTCNN的第二层级，用于进一步筛选P-Net输出的候选框，去除一些不包含人脸的区域。它主要包含了卷积层、池化层、全连接层和人脸边框回归层四种类型的层次。其中，卷积层和池化层用于提取特征信息，全连接层用于分类，人脸边框回归层用于调整候选框的位置。

3. O-Net：O-Net是MTCNN的最后一层级，用于进一步筛选R-Net输出的候选框，并对人脸进行更细致的检测。它主要包含了卷积层、池化层、全连接层、人脸边框回归层和人脸关键点回归层五种类型的层次。其中，卷积层和池化层用于提取特征信息，全连接层用于分类，人脸边框回归层用于调整候选框的位置，人脸关键点回归层用于预测人脸的五个关键点位置。

总的来说，MTCNN通过级联的方式，使用不同的神经网络模型来完成不同的任务，从而实现了对人脸的多级别检测和定位。各个层次的设计都是为了提取更加有效的特征信息、分类和回归目标区域的位置。