Supervised Descent Method and its Applications to Face Alignment(SDM)

    摄像机校正、图像对齐、手势结构分析等问题一般都是通过非线性最优化的方法来解决的。2阶下降方法（2 nd order descent methods）是最鲁棒，快速，可靠的非线性最优化方法。但是，它有2个主要的缺点：

1、这个函数在微分分析上可能并不合适；

2、Hessian矩阵可能很大，并且不是正定的。

本文使用SDM算法来最小化Non-linear Least Squares（非线性最小二乘法NLS）函数。在训练的时候，SDM算法学习了一个下降方向的序列，该序列最小化NLS函数的均值，这个函数是在不同点的位置处采样得到的。在测试时，SDM算法使用这个训练得到的下降方向来最小化这个NLS的目标，并不用计算Jacobian（雅克比行列式）或者Hessian矩阵。

通过实验验证，SDM算法是解决“人脸特征检测”问题的最先进的方法。