Wir präsentieren eine neue Cascaded Shape Regression (CSR)-Architektur, nämlich die dynamische aufmerksamkeitsgesteuerte CSR (DAC-CSR), für eine robuste Erkennung von Gesichtspunkten bei unbeschränkten Gesichtern. Unser DAC-CSR unterteilt die Gesichtspunkt-Erkennung in drei aufeinanderfolgende Teilprobleme: Verfeinerung des Gesichts-Bounding-Box, allgemeine CSR und aufmerksamkeitsgesteuerte CSR. Die ersten beiden Stufen verfeinern die anfänglichen Gesichts-Bounding-Boxen und erzeugen Zwischenergebnisse der Gesichtspunkte. Anschließend wird eine Methode zur online-dynamischen Modellauswahl verwendet, um geeignete domänenspezifische CSRs für weitere Verfeinerung der Landmarks auszuwählen. Die wesentliche Innovation unserer DAC-CSR ist das fehlertolerante Mechanismus, der unscharfe Mengenbeispiele für die aufmerksamkeitsgesteuerte domänenspezifische Modellbildung gewichtet. Darüber hinaus befürworten wir eine Datenverstärkung mit einem einfachen aber effektiven 2D-Profilgesichtsgenerator sowie einen kontextbewussten Merkmalsextraktionsprozess zur besseren Darstellung von Gesichtseigenschaften. Experimentelle Ergebnisse, die auf anspruchsvollen Datensätzen erzielt wurden, zeigen die Vorteile unserer DAC-CSR im Vergleich zum Stand der Technik.