综述了面部关键点检测算法的发展历程，将其分为三种不同的分类方法：全局方法、约束局部模型方法和回归方法，并对其进行了分类讨论，比较了它们在受不同因素影响下的性能表现。此外，还列举了面部关键点检测的基准数据库和现有软件，并指出了未来的研究方向。

May, 2018

该研究提出了一种基于面部标志的情感识别分类损失函数修改方法，将一种新方法 EmotionalDAN 应用于情感识别上，并在两个挑战性基准数据集上实现了比最先进的情感分类方法高达 5% 的准确度。

Apr, 2018

动物情感计算领域的重要挑战之一是缺乏高质量的数据集，本文提出了一个以猫脸图像为基础的新数据集，并通过使用面部标志检测卷积神经网络模型，在猫脸上取得了优异性能，同时该模型也具有推广到人脸标志检测的潜力。

Oct, 2023

通过知识蒸馏方法，本研究提出了一种创新的方式，可以开发适用于嵌入式系统的轻量级但功能强大的深度学习模型，以应对面部地标检测任务中的挑战，包括动态环境、不同的表情、方向和光照条件。

Apr, 2024

这篇研究论文旨在通过详细的基准测试来检查商业和学术模型的人脸检测问题，特别关注这些系统对于不同身份的人的鲁棒性和公平性的问题，结果发现西方男性、年龄偏大、皮肤较暗和光照条件较差的人更容易受到错误的影响。

Nov, 2022

使用从逼真的新闻视频中提取的面部地标的情感识别的一种新方法，采用图神经网络分析面部地标的几何和空间关系，提高情感识别的理解和准确性。该方法通过构建基准数据集展示了其可行性和潜力，为情感识别技术的未来研究指明了新的方向。

Apr, 2024

本文提出了一种用于面部表情识别的新框架，通过使用选择面部补丁的外观特征，使用一对一分类方法来分类每对表情类，提取包含区分特征的显著补丁，并针对不同表情类选择不同的显著补丁，提出了一个自动学习 - 无费用的面部标记检测技术，该技术在不同分辨率下表现稳定，在 CK + 和 JAFFE 面部表情数据库上展示了该系统的有效性。

May, 2015

我们提出了 CeLDA 方法，通过将图像特征与标志物原型进行比较，利用原型网络进行标志物检测，解决了不同年龄组之间标志物出现差异的问题，并引入了新的策略改进原型对齐以获得全面的标志物估计。此外，我们还介绍了一种新的原型关系挖掘范式，用于利用标志物原型之间的解剖关系。大量实验证实了 CeLDA 在成年人和青少年标志物检测方面的优越性，这是首个针对不同年龄组的头影测量标志物检测的统一解决方案和数据集。

Jun, 2024

本文提出一种基于 Deep Alignment Network 深度学习方法的漫画面部标记检测新模型，成功地在 80％以上的情况下检测到了面部特征点。

Nov, 2018

本篇综述论文介绍了基于大量标记图像的面部特征点检测，总结了现有方法并将其分类为四大类：基于约束局部模型，基于主动外貌模型，基于回归和其他方法。虽然已取得了重要进展，但仍有待进一步探索面部特征点检测的未来方向。

Oct, 2014