初次接触，对论文Deep Convolutional Network Cascade for Facial Point的几点想法（更新）

老师提出的问题：

问题一：
Table2是什么意思？

回答：首先L1，L2,L3代表三层网络，其中L1层包括了F1、EN1、NM1三个网络

绿框代表人脸检测框，黄色实心块代表实际所取的图片（来输入到网络中），蓝点代表大致前期特征点的结果，红点代表最终检测到的特征点

然后以第二排数据为例，

方向： （左， 右， 上， 下）
基准点（绿框）：（0， 1， 0， 1）
黄色实心块： （-0.05，+1.05，-0.04，+0.84）

表示的是黄色圈内的EN1网络的输入，作者把整个绿色的方形的坐标当作（0，1，0，1），由图level1的框可以看到作者设定为“左边界比绿框长0.05，右侧比绿框略长0.05，上侧比绿框长0.04，下侧比绿框短0.16”。

至于说这些参数，应该是作者自定的。

问题二：

这场图的意思？

答：如原文所说“F1 adopts S0. Both EN1 and NM1 adopt S1”，即F1网络采用的是s0这一行数据的网络，EN1和NM1都采用的s1这一行数据的网络。

因为一个F1网络，他的结构是十层（四个卷积层，一个输入层，三个池化层，两个全连接层）

I（39，39）代表map大小为39*39，CR（s,n,p,q）代表卷积层（s为卷积核大小，n为一个卷积层中map的数量，p和q是有关权重的两个变量），p（）是指的pooling池化层

竖着看，除s0，s1和s2外，其他的s3-s7都是作者尝试依照s0和s1调整参数后的网络情况（以做对比，找到最好的网络结构）

整个论文的源码并未在主页找到，不过有找到一个他人复现的代码，感觉相当不错的复现。

添加链接描述