Computer vision dlib'；CNN人脸检测器的使用？

我在谷歌上搜索了很多次，但都没找到。这是CNN人脸检测上发表的一些论文的实现吗

---

dlib的卷积人脸检测器的理论部分有什么细节吗？

它使用定制的架构。你可以在网上查一下

。。。
模板
使用残差=添加_prev1；
模板
使用残差法=添加法2；
模板
使用block=BN；
使用ares=relu的模板；
使用ares_down=relu的模板；
使用alevel0=ares_down的模板；
使用alevel1=ares的模板；
使用alevel2=ares的模板；
使用alevel3=ares的模板；
使用alevel4=ares的模板；
使用anet_类型=损耗_度量>>>>>>>；
anet_型网络；
...

HOG功能和CNN功能不一样吗？我在这个文件中找到了你写的描述，但我想知道CNN的具体情况。我错过什么了吗？我的错。我想，这很有帮助。非常感谢你，这是面部识别。人脸检测器位于同一文件夹cnn_Face_detector.cpp中。此网络用于人脸识别。这与人脸检测不同。

    ...    

    template <template <int,template<typename>class,int,typename> class block, int N, template<typename>class BN, typename SUBNET>
    using residual = add_prev1<block<N,BN,1,tag1<SUBNET>>>;

    template <template <int,template<typename>class,int,typename> class block, int N, template<typename>class BN, typename SUBNET>
    using residual_down = add_prev2<avg_pool<2,2,2,2,skip1<tag2<block<N,BN,2,tag1<SUBNET>>>>>>;

    template <int N, template <typename> class BN, int stride, typename SUBNET> 
    using block  = BN<con<N,3,3,1,1,relu<BN<con<N,3,3,stride,stride,SUBNET>>>>>;

    template <int N, typename SUBNET> using ares      = relu<residual<block,N,affine,SUBNET>>;
    template <int N, typename SUBNET> using ares_down = relu<residual_down<block,N,affine,SUBNET>>;

    template <typename SUBNET> using alevel0 = ares_down<256,SUBNET>;
    template <typename SUBNET> using alevel1 = ares<256,ares<256,ares_down<256,SUBNET>>>;
    template <typename SUBNET> using alevel2 = ares<128,ares<128,ares_down<128,SUBNET>>>;
    template <typename SUBNET> using alevel3 = ares<64,ares<64,ares<64,ares_down<64,SUBNET>>>>;
    template <typename SUBNET> using alevel4 = ares<32,ares<32,ares<32,SUBNET>>>;

    using anet_type = loss_metric<fc_no_bias<128,avg_pool_everything<
                                alevel0<
                                alevel1<
                                alevel2<
                                alevel3<
                                alevel4<
                                max_pool<3,3,2,2,relu<affine<con<32,7,7,2,2,
                                input_rgb_image_sized<150>
                                >>>>>>>>>>>>;
    anet_type net;

    ...