人脸特征点检测论文 人脸特征点检测问题面临哪些挑战？
人脸特征点检测问题面临哪些挑战？
作者分别来自天津大学、武汉大学、腾讯AI实验室、美国天普大学。 感谢各位大牛! 作者首先从算法实用性角度讨论了人脸特征点检测问题的面临的挑战。 人脸表情变化很大，真实环境光照复杂，而且现实中大量存在人脸局部被遮挡的情况等。
如何预测人脸特征点？
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。
人脸关键点检测的优点和缺点是什么？
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。
最早使用 CNN 进行人脸关键点检测的论文有哪些？
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。