人脸特征点检测（四）——Tasks-Constrained DCN（TCDCN）

《Facial Landmark Detection by Deep Multi-task Learning》原文地址及实现代码在文章链接中。

文章提出TCDCN（Tasks-Constrained Deep Convolutional Network），使用与人脸相关的属性共同来学习人脸的特征点位置，通过这种多任务的学习，来提高人脸特征点检测的鲁棒性。具体而言，就是在人脸特征点检测时候，同时进行多个任务（包括性别、是否戴眼镜、是否微笑以及脸部姿势）的学习。使用这些辅助属性可以帮助更好的定位特征点。

这种多任务学习的困难在于：不同的任务有不同的特点，有不同的收敛速度。针对这两个问题，作者给出的解决方法分别是tasks-constrained deep model和task-wise early stopping。文章所提出的方法优于当时已存在的方法，特别是能处理有严重遮挡和姿势变化的情况，而且减少了模型的复杂度。

上图展示了其他辅助属性的检测结果，人脸特征点检测这一任务可以与多个辅助任务同时进行，对比以前的CNN和Cascaded  CNN，文章具有更好的表现性

要点：

（1）对于不同的任务，具有不同的特点，文章给出的解决方法是tasks-constrained deep mo