2014 ECCV的paper
1. Introduction
作者认为，人脸关键点检测不是一个孤立的问题，应该与其他问题联系起来(比如头的姿势、有无旋转、有无戴眼镜、有没有笑)。
为什么要这样猜想呢？因为人脸处于不同的状态，其特征也是不同的。对于不同的图片，如果CNN能区分出它的状态，那么会更有利于检测关键点。比如侧脸和正脸的关键点的位置是不同的。有没有旋转，关键点的分布也是不同的。
因此，本文提出一种多任务学习的方法进行关键点检测。
2. related work
传统的人脸关键点检测分为两种方法：
基于回归的方法；模版拟合的方法(template fitting method)
基于回归的方法：
直接利用图像特征预测关键点的坐标。
不断迭代精修预测的坐标。
因此，第一次预测很关键。(本文优势在于不需要关键点位置的初始化)
模版拟合的方法：
事先构建一些模版来拟合输入图像
与本文方法最相近的一种方法：Cascade CNN(deep convolutional network cascade for facial point detection)
需要事先对人脸进行分块，对不同块用不同的CNN
显得比较笨重，本文不需要分块，也不用级联
multi-task learning：
也就是本文的方法，在许多计算机视觉问题中，多任务学习已经被证明很6。
3. Task-Constrained Facial Landmark Detection
3.1 Problem Formulation
(1)传统的多任务学习最终要实现的是所有任务的性能最大化。
假设我们有T个任务，则训练网络的目标函数是：
其中损失函数选择中，选择欧几里得损失作为回归损失，选择hinge loss作为分类损失。公式第二项为正则项。
(2)本文，则是最优化主要任务即可，也就是人脸关键点检测。
即：
详细点：
当然，这里的分类损失用的是交叉熵损失。
训练网络时，利用多个任务的损失对网络进行更新。
3.2 Learning Task-Constrained Deep Convolutional Network
early-stopping:
为了防止辅助任务过拟合，从而损害主要任务(人脸关键点检测)，扰乱权重的良好更新，我们进行一个既有效率又有效果的early stop。
因为一开始，用多任务约束是为了防止损失函数陷入局部最小点。
但不同任务收敛速度不同，如果辅助任务已经没有利用价值了，它们就不该再训练了。
3.3 Architecture
4个卷积层+1个FC层
