4.2　TCDCN 人脸关键点定位算法

TCDCN（Tasks-Constrained Deep Convolutional Network）［5]算法，旨在通过多任务学习（除人脸关键点定位之外，还有头部姿势估计和面部属性推断，具体包括是否戴眼镜、是否微笑、性别判断和脸部方向估计等学习任务），进一步优化人脸关键点定位的效果。具体而言，作者设计了如图4-3所示的TCDCN 神经网络结构和处理流程，从图中可以看到，不同的学习任务共享相同的神经网络特征。为了多任务学习的需要，作者设计了新的损失函数，包括Softmax 函数和线性函数等部分。TCDCN 人脸关键点定位算法的本质是通过神经网络提取特征，并通过回归学习得到人脸关键点的位置。TCDCN 人脸关键点定位算法通过多任务学习的方法，借助多任务约束的损失函数和误差后向传播，最终提取到的特征能够提高人脸定位模型的泛化能力。不过，由于是多任务学习，TCDCN 要求对训练数据进行更加全面的标注，除人脸关键点的位置外，还需要标注其他任务学习所需的数据，如脸部方向、性别及是否戴眼镜等。为此，作者手动标注了一个MTFL（Multi-Task Facial Landmark）数据集。

图4-3　TCDCN 神经网络结构和处理流程［5]