该论文由港中文的孙祎、王晓刚、汤晓鸥提出，应该是最早使用 CNN 进行人脸关键点检测的论文之一了。 在论文中，作者设计了 Three-level cascaded CNNs 用于人脸关键点检测（5 Points）：Left Eye Center (LE)，Right Eye Center (RE)，Nose Tip (N)，Left Mouth Corner (LM)，Right Mouth Corner (RM)。 在模型的各个 level 中，模型会对各个人脸关键点做多次预测，取其平均值。
优点是快和多任务，不仅使用简单的端到端的人脸关键点检测方法，而且能够做到去分辨人脸的喜悦、悲伤、愤怒等分类标签属性，这样跟文章的标题或者说是文章的主题贴合——多任务。 我们可以从下图看到，缺点容易漂移，也就是对于人脸关键点的检测上面，并不能做到很好的精度或者很高的精度，因此有待进一步修改网络的雏形。 另外一点是对于人脸关键点的检测上，检测关键点小，如果增加其人脸关键点的检测，或降低精度，这是神经网络模型的通病。
如果采取更大的网络，特征点的预测会更加准确鲁棒，但耗时多，为了在速度和性能上做找到平衡点，使用较小的网络，并采用级联的思想，先进行粗检测，然后微调特征点位置。 下面是最终预测人脸特征点的landmarks_detection.py，其中人脸检测采用的是级联CNN或者opencv人脸检测，在人脸检测的基础上预测人脸特征点位置，并将预测的相对位置转换成图像上的绝对坐标。
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 人脸特征点检测（Facial landmark detection），即人脸特征点定位、人脸对齐 (Face Alignment)，是在人脸检测的基础上进行的，对人脸上的特征点例如嘴角、眼角等进行定位。
