深度卷积网络已广泛用于人脸识别，而并不经常用于人脸对齐。 其最重要的原因之一是由于繁琐且费时的注释工作，缺少带有地标注释的训练图像。 为了克服这个问题，我们提出了一种新颖的数据扩充策略。 我们针对两个迭代过程设计了一种具有自适应学习率的创新训练算法，可帮助网络搜索最佳解决方案。 我们的卷积网络可以学习全局高级特征并直接预测面部标志的坐标。 广泛的评估表明，在复杂的遮挡，姿势，照明和表情变化的情况下，我们的方法优于最新方法。

深度卷积网络已广泛用于人脸识别，而并不经常用于人脸对齐。 其最重要的原因之一是由于繁琐且费时的注释工作，缺少带有地标注释的训练图像。 为了克服这个问题，我们提出了一种新颖的数据扩充策略。 我们针对两个迭代过程设计了一种具有自适应学习率的创新训练算法，可帮助网络搜索最佳解决方案。 我们的卷积网络可以学习全局高级特征并直接预测面部标志的坐标。 广泛的评估表明，在复杂的遮挡，姿势，照明和表情变化的情况下，我们的方法优于最新方法。