using @tfjs-node 2019.11.21 mtcnnload.js 新增node-image库进行图像分辨率转换处理。导入mobilenetv1分类模型。 2019.11.22 delectFace.js 新增图像金字塔处理图片。尝试导入Pnet模型 2019.11.25 delectFace.js toolMatrix.js 新增detect_face_12net、NMS函数，完成了python的矩阵操作在js上的实现。 2019.11.26 delectFace.js toolMatrix.js 完善了detect_face_12net，尝试使用tfjs api简化图片处理过程。成功将keras框架的网络导入到项目中。 2019.11.27 toolMatrix.js 完善了NMS函数，新增了rect2square函数。自定义数据测试函数的正确性 2019.11.28 mtcnnload.js delectFace.js toolMatrix.js 导入了Rnet和Onet，完善了代码，已经实现基本的多人脸检测，对于某些图片仍然存在丢失部分人脸的现象。 2019.11.29 inceptionResNetV2.js 尝试构建inception_ResNet_V2网络。 2019.12.2 inceptionResNetV2.js mtcnnload.js 构建了可训练inception_ResNet_V2，初步导入facenet预训练模型，该模型可以将人脸图片转化成128维的特征向量。其中lambda层还为完全导入，所以目前还不能预测 2019.12.3 mtcnnload.js 为了实现模型的lambda自定义keras层，在js中注册了自定义层，但由于json模型文件中的层函数被转码了，所以在python上进行测试。初步求出两张人脸之间的欧氏距离，由于模型不完整所以结果有些错误。 2019.12.4 facenet.js 完成了对输入数据的标准化操作，实现函数prewhiten 2019.12.5 facenet.js 导入了新inception_ResNet_V1模型，对输入数据添加人人脸检测，处理集中人脸区域，但结果还是没达到预期。 2019.12.6 facenet.js 发现了导入模型的错误，成功导入了模型。并将结果l2正则化使在js预测的结果与python上一致。看了一些分类器算法，接下来要实现将结果分类 2019.12.9 randomForest.js 利用ml-random-forest包实现随机森林来将人脸特征向量与对应的人进行分类，在原有基础上再构建出128个分类器，利用128个分类器再对结果进行投票，可以再一定程度上解决人脸图像较少的问题。 2019.12.10 randomForest.js 利用文件操作简化训练代码，实现导出分类模型成json文件，并重新导入分类器。 2019.12.12 cTreeClassifier.js 用新的思路来训练多层分类器 2019.12.13 cTreeClassifier.js 对特征向量进行一维卷积操作，并验证卷积处理的数据是否符合分类器的需求。 2019.12.16 cTreeClassifier.js 在实践中发现，当一维卷积核的长度越大的时候，对卷积后的数据进行聚类的稳定度也就越高，接下来还需要大量的数据测试和调整聚类数。 2019.12.17 deleteface.js cTreeClassifier.js 尝试修改参数使人脸检测准确率更高，一开始就载入模型，避免重复载入模型耗费大量时间，又增加了数据量进行实验，目前准确率还可以。 2019.12.18 cTreeClassifier.js 用层次聚类代替了k-means聚类为了达到更好的标记效果。 2019.12.19 cTreeClassifier.js 尝试了密度聚类和网络聚类，并用特征值卷积 2019.12.20 cTreeClassifier.js 尝试了迭代的降维操作，编写函数自动测试准确率。但就目前来看准确率并不高。 2019.12.23 Keras_TP-GAN 尝试利用GAN进行缺失人脸的补全，目前在python上还没有得到结果。 2019.12.24 tpgan.py cTreeClassifier.js 加入了PCA主成分分析来对输入数据降维。 2020.01.03 dataGagenerator.js 将python的数据生成器在js上实现