如MTCNN(Multi-task Cascaded Convolutional Neural Networks)，MTCNN人臉識別的主要方法是：
當給定壹張照片的時候，將其縮放到不同尺度形成圖像金字塔，以達到尺度不變。
步驟1：使用P-Net生成候選窗和邊框回歸向量(bounding box regression vectors)。使用Bounding box regression的方法來校正這些候選窗，使用非極大值抑制(NMS)合並重疊的候選框。全卷積網絡和FasterR-CNN中的RPN壹脈相承；
步驟2：使用N-Net改善候選窗，將通過P-Net的候選窗輸入R-Net中，拒絕掉大部分false的窗口，繼續使用Bounding box regression和NMS合並；
步驟3：最後使用O-Net輸出最終的人臉框和特征點位置。和第二步類似，但是不同的是生成5個特征點位置。
可以看出，MTCNN是使用分階段的方式實現人臉檢測及人臉對齊任務，即每壹個階段由壹個網絡組成，使用中需要對這些網絡進行分階段的訓練，這樣的識別方式顯然不是壹種端對端的學習方式，人臉識別效率慢。且網絡泛化能力弱、魯棒性差。