人脸对齐：Vanilla CNN人脸关键点检测2015
《Facial Landmark Detection with Tweaked Convolutional Neural Networks》论文解读
论文地址：
http://www.openu.ac.il/home/hassner/projects/tcnn_landmarks/
概述
如我前面所说，人脸特征点检测是一个回归问题，这个问题需要关注两个方面：一是人脸特征表示，二是回归方法。这次解析的论文是使用深度学习的方法来做特征点检测，它的方法也不会脱离这个框架的。
Vanilla CNN
其实这篇论文的网络结构和前面的TCDCN网络结构是一样的，就不一一细说了。
TCDCN:
Vanilla CNN：
和TCDCN不一样的地方在于：去掉多任务学习而且使用彩色图像。损失函数也不一样，这里使用的损失函数使用了两眼间距离进行标准化：
网络特征分析
随后作者对这个模型提出了一些思考，由此引出了下面的TCNN。这个问题就是，网络到底学习到了什么样特征？
作者对网络不同层的特征进行使用GMM进行聚类分析，发现网络进行的是层次的，由粗到精(hierarchical, coarse to fine)的特征定位，越深的网络特征越能反应出特征点的位置。
作者对FC5的输入进行了分析，也就是网络示意图中红色圆圈部分，将这些特征使用了GMM聚成64类，并显示出每一个聚类中心（相同类别脸的平均）：
显然，这些特征展示出了人脸的不同姿势，还可以看出不同的人脸属性，比如表情和性别，作者认为这是因为人脸特征点的位置常常和人脸的属性相关联。
TCNN
从上面对特征的分析可以看出，在深层模型中，越深的层所表示的特征越针对某项具体任务。在红圈处的特征已经能大致反应出人脸的姿势信息，作者由此想到针对不同的姿势训练对应的回归模型。这样人脸特征点检测就变成两步，先粗定位然后再精确定位。
具体做法是保持网络前面不变，fine-tuning最后一层FC5，使用具有相似特征的图片训练对应的回归器。
TCNN训练过程为：先训练好Vanilla CNN，然后从红圈处提取特征，将特征使用GMM聚类，使用同一类的图片fine-tune后面对应的回归器权值。
结果
按论文说，Vanilla CNN的结果比TCDCN好一点。
我使用MXNet进行的一次测试：
代码
作者给出了Vanilla CNN的caffe模型，
总结
本文其实对人脸特征点检测任务创新不是很多，论文主要价值在于分析了网络中每一层特征的意义。