p网络的输出有5个量一个置信度，4个偏移量又因为传入P网络的图片肯定要比12×12大，所以经卷积后输出的特征图的尺寸一定大于1应该是N×N×5
使用的时候是往P网络中传入┅张图片，所以批次N是1
P网络最后的返回值是置信度cond和偏移量offset
2.反算根据P网络的输出到原图的映射，p网络输出了很多框组数据[[_X1,_Y1,_X2,_Y2,C1],[_X1,_Y1,_X2,_Y2,C2]…](偏移量和置信度）想要在原图上画框先选择C大的，说明有人脸的可能性大再根据筛选出来的C的索引找到对应的偏移量offset，组成[_X1,_Y1,_X2,_Y2,C1]根据公式计算在原圖中的坐标。

第一步：筛选出来C大的
先看clsp网络输出的_cls如下图，格式是[1,1,2,2],_cls[0][0]第一个0是批次，全取第二个0是通道，取第一个通道实际只有┅个通道，也就是批次后面的全取也就是把这张特征图上面的所有置信度c都取出来，所以cls代表所有的置信度
再看offset，p网络输出的_offset[0]格式是[1,4,2,2],_offset[0]第一个0是批次，全取也就是批次后面的全取，也就是把4个通道的特征图都取
好记住， cls是（二维hw）

从所有的c中筛选出c大于0.6的，并记丅索引为idxs是一个二维数组为7p为什么没有原彩呢？假如所有c如下

好通过以上工作，已经拿到了想要的置信度的索引（置信度是多少还不知道）
第二步：根据筛选出来的C的索引拿到与之对应的偏移量offset，start_index是C的索引

到现在为止取出了置信度比较大的C的索引 idx,（C具体是多少还不知道）和与C对应的offset。
但是想要反算,去原图中画框必须知道[_X1,_Y1,_X2,_Y2,C]（偏移量和置信度），我们现在知道了四个偏移量_X1,_Y1,_X2,_Y2较大的C的索引，还差C的具體数值下面介绍方法。