【人脸】人脸关键点检测---DAN

论文《Deep Alignment Network: A convolutional neural network for robust face alignment》2017年

本文的创新点：

1、每一阶段的网络输入是整张人脸图像

2、引入关键热点图，并贯穿始终

网络框架：

Stage1：输入灰度图I以及标准关键点模板S0，预测得到新的关键点位置S1（S0可取所有训练样本的平均关键点）。

               其中“FEED FORWORD NN”网络结构，输出136个值，用于预测68个关键点：

                 新的关键点位置S1送入到“CONNECTION LAYERS”，该结构如下：

                  <1> 计算S1到S0的相似变换矩阵T1

                  <2>通过T1可以对图像进行矫正得到T1(I)，同时关键点变换得到关键点热图H1

                  <3>特征图F1是通过“FEED FORWARD NN”的fc1全连接层特征进一步得到的(fc1层输出单元为3136，使用ReLU**，reshape为56x56，然后上采样到112x112，和输入图像一样大)

Stage2：迭代

每次迭代的输入都是TN(I)、HN、FN，它们的维度都是112x112，然后计算新的St+1

由于图像进行了相似变换，因此为了和最初的输入图像相匹配，需要做如下矫正：