人脸特征点检测（二）——Tweaked CNN（TCNN）

这篇文章主要记录《Facial Landmark Detection with Tweaked Convolutional Neural Networks》

此链接中，实现代码也一并给出。

在前一篇文章介绍过，人脸的特征点检测是一个回归问题。而研究这个问题的时候，主要关注两个内容：（1）人脸特征表示，（2）回归方法。

这篇论文同样是基于深度学习来进行特征点检测的。

这篇论文的脸部标记点检测训练使用的网络是Vanilla CNN，我们先来了解一下Vanilla CNN的设计。

Vanilla CNN是用来做脸部标记点坐标回归最先进的网络。被选的模型可以直接和前面的网络进行对比，这样就可以突出我们接下来要使用的TCNN的优势。下面就是Vanilla CNN的网络结构：输入是一张40*40*3的彩色照片，经过4个卷积层（CL1...CL4），每个卷积层后利用池化层（stride=2）抽取特征，再进入全连接层FC5，最后进入FC6输出2*m（m个标记点，m=5）个值：P=（p1，p2...p5）=（x1，y1，x2，y2......x5，y5）。

其中红色弧标记的地方就是TCNN进行改进的地方。

它使用的激活函数是双曲正切函数，并且在经过双曲正切函数之后进行了绝对值整流处理；最后损失函数使用双目距离进行标准化：