原文地址： Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks
引言：
（部分翻譯）人臉對齊可以被粗糙的分爲兩類方法，基於迴歸和模板適應方法。然而很多研究忽略了人臉檢測與對齊之間的內在聯繫，儘管有工作嘗試結合它們，但也存在很多限制。
在這裏我們提出一種新的框架來整合這兩個人物，使用統一的層級CNNs和多任務學習。提出的CNNs網絡包括三個部分，第一個使用淺層CNN產生候選窗口，然後通過一個更復雜的CNN來拒絕大量沒有臉的窗口來改進，最後用一個更強力的CNN來優化結果並輸出5個臉部特徵位置
Approach方法：
整體框架：
Stage 1：我們搭建了一個全卷積網絡，稱其爲Proposal Network（P-Net），來獲取候選臉部窗口和邊界框迴歸向量。然後候選框將會基於估算的邊界框向量來校正，然後我們使用非極大值抑制（NMS）來合併搞重複讀的候選框
Stage 2：所有候選框被送到另一個CNN，成爲Refine Network（R-Net），其會拒絕大量錯誤的候選項，並用邊界框迴歸來校正，使用NMS
Stage 3：這個部分和Stage 2相似，但是在此我們旨在用更多的監督（標籤）來標識臉部區域，特別的，網絡會輸出5個臉部特徵地址（兩眼，鼻，兩個嘴角）
CNN架構：
使用5x5 代替3x3
使用PReLU作爲非線性激活函數
訓練：
使用了三個任務來訓練CNN，臉/非臉分類，邊界框迴歸，臉部標識定位
預處理：
裁剪大小爲12*12，24*24，48*48大小的圖片（包括pos，neg，part的圖片）
PNet：（網絡結構在上圖）
輸入：圖片（大小12*12），標準化的Bbox座標，標準化的landmark座標 （標準化 即爲相對的座標或者偏移值）
輸出：face classification，標準化的Bbox座標，標準化的landmark座標
RNet，ONet：
輸入：圖片，Bbox，landmark座標，只有圖片大小不同（24*24 和 48*48）
輸出：PNet相同