本論文では、深層ニューラルネットワークアーキテクチャに基づく堅牢な顔面アライメント手法であるDeep Alignment Network（DAN）を提案します。DANは複数の段階から構成されており、各段階で前段階によって推定された顔面ランドマークの位置が改善されます。当手法では、最近提唱された局部パッチに依存する顔面アライメント手法とは異なり、すべての段階で全体的な顔画像を使用します。これは、アルゴリズムの前段階で推定されたランドマーク位置に関する視覚情報を提供するランドマークヒートマップを使用することで可能となります。全体的な顔画像を使用することにより、DANは頭部姿勢の大きな変動や困難な初期化を含む顔画像を処理することができます。2つの公開データセットを用いた広範な評価により、DANは最先端の失敗率を最大70%削減することが示されました。また、当手法はMenpoチャレンジの一環として評価のために提出されています。