【论文-人脸关键点检测】Deep Alignment Network：A convolutional neural network for robust face alignment

论文：CVPR2017，源码开放

概述：DAN-Deep Alignment Network，发表于CVPR-2017。以往级联神经网络输入的是图像的某一部分，与以往不同，DAN各阶段网络的输入均为整张图片。当网络均采用整张图片作为输入时，DAN可以有效的克服头部姿态以及初始化带来的问题，从而得到更好的检测效果。之所以DAN能将整张图片作为输入，是因为其加入了关键点热图（Landmark Heatmaps），关键点热图的使用是本文的主要创新点。（转载：https://blog.csdn.net/u013948010/article/details/80520540） 

主要贡献：

1）引入了关键点热图，从而可以使用整张人脸提升实验效果，而避免了使用人脸局部图像块，导致的陷入局部极小值；

2）结果鲁棒性强；

3）开放了源码和网络结构；

以下根据论文摘出文中重点：

文中指出DAN（Deep Alignment Network）是受了Cascade Shape Regression（CSR）方法的启发：图像会得到一个脸部形状的初始化估计，通过若干次的迭代，从而得到最终的结果；而二者又是有区别的，区别在于：CSR使用关键点周围的图像块周围的特征，而DAN使用的是整脸特征；整体框架图如下：

DAN每个阶段都会有三个输入：输入图片(input image I)，关键点热图（Ht），和特征图（Ft）：输入图片I会被当前的关键点估计旋转（warped），从而与正则形状（canonical shape）S0对齐，而特征图Ft是由先前t-1阶段的dense layer和pen