人脸关键点检测2

###《Face Alignment by Deep Convolutional Network with Adaptive Learning Rate》

• 一种新的数据增强的策略：平移和旋转、镜像、图像压缩率
• 一种自适应的学习率算法，确保收敛的更好。
  ######Data augmentation：
  
  第一步：轻微的平移和旋转bounding box，可以增加模型对人脸平移及姿态变化的鲁棒性。
  第二步: 镜像和改变图像压缩率（3种不同的质量），可以增加对低质量图像的鲁棒性。

模型结构：
8个卷积层跟着两个全连接层，每两个连续的卷积层后跟着一个最大池化层。
依据VGG思想，堆叠卷积操作

为了加快网络的训练，在每个卷积层后加入了batch normalization。
输入图像大小50x50x3，5点检测。
损失函数：

测试集：AFLW和LFPW
训练集：10000训练集通过数据增强扩充到2800000（10000352*4）。
mean error：

---

注：博众家之所长，集群英之荟萃。