摘要
卷积神经网络（CNN）已成为解决众多计算机视觉问题的基准技术。尽管用于面部关键点检测的CNN具有较强的鲁棒性，但在处理非受限条件下获取的图像时，其精度仍显不足。本文提出一种级联神经网络回归器的方法，以提升面部关键点估计的准确性。具体而言，我们采用两个结构相同的编码器-解码器CNN进行级联：第一个网络生成一组热图，提供关键点位置的粗略估计；第二个网络则通过合成遮挡数据进行训练，用于精化存在歧义或被遮挡的关键点位置。最后，通过一个全连接层（各热图间共享权重），对关键点坐标进行高精度回归。实验结果表明，该方法在300W、COFW和WFLW三个广泛认为最具挑战性的公开数据集上均达到了当前最优水平。