《delving deep into coarse-to-fine framework for facial landmark localization》
整體的網路結構：
本文提出了乙個四階段簡到繁的框架去處理關鍵點檢測任務
satge1：乙個人臉檢測器去定位目標區域，接著**旋轉角度，對目標進行對齊，然後，對關鍵點進行粗**，分成inner和contour關鍵點進行下一階段的細**。
stage2：根據人臉器官進行劃分，進行初步的細**。
stage3：根據點位來劃分patches，以3、5和7點作為中心進行更精細的**。
stage4：把contour和inner點結合到一起
綜上，關鍵點檢測任務都進行了人臉的校正，並且patches劃分的越精細，準確率越高。
注：博眾家之所長，集群英之薈萃。
caffe 人臉關鍵點檢測 密集人臉關鍵點檢測
mtcnn聯合人臉檢測和對齊任務提供了5點關鍵點的能力，但是對於姿態姿態恢復等應用是遠遠不夠的，經常會出現某個點錯誤導致大幅抖動，顯然需要更密集的關鍵點.常見的資料集都是68點和106點。人臉關鍵點檢測主要面臨下面幾個挑戰 區域性變化 現實場景中人臉的表情，廣告，以及遮擋情況都有較大的變化，如fig...
人臉關鍵點檢測綜述
目錄 1.前言 2 人臉檢測資料集 3.人臉檢測方法 4.鏈結以及部分部落格解讀鏈結 根據知乎專欄 整理出來的 綜述。馬住慢慢看總結。序號 時間主要方法 優點缺點1 an introduction to active shape models 1995 asm模型簡單直接，架構清晰明確，易於理解和應...
人臉關鍵點 PFLD人臉關鍵點檢測解讀
參考 應用場景 人臉特效，疲勞檢測，美妝，非官方code 圖1 模型結構圖 圖2 人臉關鍵點 圖3 輔助分支 pfld的模型訓練策略 一開始我們設計的那個簡單的網路，採用的損失函式為mse，所以為了平衡各種情況的訓練資料，我們只能通過增加極端情況下的訓練資料 平衡各類情況下的訓練資料的比例 控制資料...