深度学习擅长处理端到端学习，这里搭建一个网络模型，实现人脸面部分割，关键点识别，性别年龄预测，表情预测和人脸检测。
数据集
使用Helen dataset数据集用于面部11类分割，另外我标注了72个关键点，性别，年龄，表情以及人脸目标框。
数据集详情：https://github.com/midasklr/Face-Dataset
其中 jpg为原图, png是8位分割标签,txt中依次是年龄(1-79岁),性别(男女),表情(大笑,微笑,中性)和人脸框位置(x1,y1,w,h).
模型
使用ResNet50作为Backbone，人脸分割使用RefineNet分割部分；72个关键点和人脸box使用SSH融合特征后进行回归；人脸年龄预测划分了16个年龄区间（1-79岁，5岁间隔划分），是一个16分类问题，预测时候对输出logit和对应区间中值求和作为最终年龄；
性别和表情是一个简单的2分类和3分类问题，对多个loss联合训练。
结果
一些预测如图：
完整代码见：https://github.com/midasklr/FaceSegAttribute
