SeetaFaceEngine/FaceAlignment/

论文：
Coarse-to-Fine Auto-Encoder Networks (CFAN)
for Real-Time Face Alignment

实现思路（与论文不太一致）：

• 多个级联的SAN
• 第一个SAN用5个平均landmark抽SIFT特征，预测坐标偏移 （论文没有使用平均人脸关键点，直接使用人脸图片作为输入，预测初始坐标值）
• 第二个SAN基于前面的landmark结果继续抽SIFT特征预测坐标偏移
• SAN的参数（包括层数，每层的神经元数量，每层的参数w,b）都在参数文件(seeta_fd_frontal_v1.0.bin)中.