论文：
Coarse-to-Fine Auto-Encoder Networks (CFAN)
for Real-Time Face Alignment
实现思路（与论文不太一致）：
- 多个级联的SAN
- 第一个SAN用5个平均landmark抽SIFT特征，预测坐标偏移 （论文没有使用平均人脸关键点，直接使用人脸图片作为输入，预测初始坐标值）
- 第二个SAN基于前面的landmark结果继续抽SIFT特征预测坐标偏移
- SAN的参数（包括层数，每层的神经元数量，每层的参数w,b）都在参数文件(seeta_fd_frontal_v1.0.bin)中.
最后
以上就是动听小土豆最近收集整理的关于SeetaFaceEngine/FaceAlignment/的全部内容，更多相关SeetaFaceEngine/FaceAlignment/内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复