本文介绍了一个名为 Cat Facial Landmarks in the Wild (CatFLW) 的数据集，其中包含了 2016 张猫脸的照片，并且使用 48 个脸部重点标记和猫脸特定的脸部动作单元（CatFACS）进行了注释，以用于动物情感计算和面部分析的自动化。此外，作者还介绍了一种半监督（人在环路）的方法来注释图像中的标志，以便创建此数据集，并提供在请求时获得该数据集。
May, 2023
动物情感计算是一个快速发展的研究领域，目前关注于动物内部状态的自动追踪，如疼痛和情绪，动物的面部表情可以用来传达这些状态信息，本文基于狗的面部解剖标志物的方案，开发了一个包含 3274 张狗的图像的数据集，名为 DogFLW 数据集。
May, 2024
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
提出了一个包含大量标注的动物面部数据集，可用于面部对齐、检测和细粒度识别等多项应用，尤其对监测动物面部行为具有重要的启示作用，有助于改善动物医疗保健并推动计算机视觉算法相关技术的进步
Sep, 2019
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
本研究旨在评估迁移学习模型，包括 MobileNetV2 和 NasNetMobile，以及自定义 CNN 体系结构，在模型大小、参数和推理时间方面开发高效的深度学习模型，并研究数据增强和微调对这些模型的影响。MobileNetV2 体系结构产生了最低的 RMSE 和推理时间，而以人工优化的 CNN 体系结构与 Auto Keras 调整的体系结构表现类似。
May, 2022
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
本研究提出了一种基于静态图片实现的轻量级算法，用于实时进行人脸表情识别、情绪分类和特征提取。 Multi-Layer Perceptron (MLP) 神经网络是基于前面的算法进行训练的，提取几何和纹理特征，生成特征向量，用于训练三层 MLP，其测试准确度达到 96%。
Jan, 2022
本文提出了使用深度卷积神经网络结合面部标志信息来估计面部属性的新方法，并在新的面部属性数据集上进行了实证分析，结果显示该方法相对于基线方法在多个面部属性上均有显著提升。
May, 2016
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