Direct Shape Regression Networks for End-to-End Face Alignment

端到端人脸对齐的直接形状回归网络¹

主要的挑战在于人脸图像和相关的面部形状之间的高度非线性关系，这种非线性关系是基于标记的相关性耦合。现有的方法主要依赖于级联回归，存在固有的缺点，例如对初始化的强依赖性和未能利用相关的标记。

本文提出了一种**直接形状回归网络（direct shape regression network, DSRN）**用于端到端人脸对齐，它是在统一的框架下联合处理上述挑战的。具体地说，DSRN通过使用双卷积层（doubly convolutional layer）和利用本文提出的傅立叶特征汇聚层（Fourier feature pooling layer）。DSRN对于图像和形状之间的高度非线性关系有效；通过结合低阶学习的线性层，DSRN有效地处理标记间的相关性以提高性能；DSRN利用非线性特征提取和神经网络预测的内核结构的优势，并提供了第一个针对人脸对齐的端到端的学习架构。

The codes are available at https://github.com/xinxinmiao/DSRN.
基于Python使用tensorflow