本稿では、顔ランドマーク検出におけるオクルージョン問題を解決することを目的として、オクルージョン適応型ディープネットワーク（Occlusion-adaptive Deep Networks, ODN）と呼ばれるシンプルかつ効果的なフレームワークを提案する。本モデルでは、顔の外観と顔の形状の関係を推定する過程で自動的に学習可能な蒸留モジュールによって、高レベル特徴における各位置のオクルージョン確率を推定する。このオクルージョン確率は、高レベル特徴に対する適応的重みとして機能し、オクルージョンの影響を低減し、クリーンな特徴表現を獲得する。しかしながら、欠落した意味的特徴のため、クリーンな特徴表現は全体像を正確に表現できない。より包括的かつ完全な特徴表現を獲得するためには、損失した特徴を回復するための低ランク学習モジュールを活用することが不可欠である。顔の幾何学的特性が損失特徴の回復を促進する点に着目し、異なる顔部品間の幾何学的関係を掘り起こすためのジオメトリ意識型モジュールを提案する。3つのモジュールの協調作用により、提案手法は、困難なベンチマークデータセットにおいて、最先端手法と比較して優れた性能を達成した。