【论文笔记】人脸关键点检测_简略版_201603

20160331
1、Zhang Z, Luo P, Loy C C, et al. Learning deep representation for face alignment with auxiliary attributes[J]. 2015.

在论文“Facial landmark detection by deep multi-task learning”上的改进（见http://blog.csdn.net/shaoxiaohu1/article/details/50525240 20160115 部分）。 不同的是，通过引入动态任务系数（Dynamic Task Coefficients），提高多任务学习时的收敛度。与之前的方法相比，关键点检测精度有所提高，特别是对于有遮挡的人脸和大角度的人脸；减少了模型的复杂度。

2、Wu Y, Hassner T. Facial Landmark Detection with Tweaked Convolutional Neural Networks[J]. arXiv preprint arXiv:1511.04031, 2015.

作者分析了用于关键点检测的CNN模型，将各层的输出特征分别进行聚类，发现特定角度、表情的人脸的特征更容易聚为一类。基于这一发现，作者将最后一层全连接层的特征聚类后，分别再进行针对的优化训练，也就是提到的Tweaked CNN。这种模型在AFLW、AFW、300W等数据集上都取得了state-of-the-art的结果。