在本文中，我们提出了一种从粗糙到精细训练深度卷积网络的新型人脸对齐方法。 它首先将给定的地标划分为主要子集和精心设计的子集。首先，我们对主要子集保持较大的权重，以使我们的网络主要预测其位置，同时略微考虑精心设计的子集。 接下来，逐渐减小主要子集的权重，直到两个子集具有相等的权重。 这个过程有助于学习一个好的初始模型，并顺利地搜索最优模型，以避免在后续过程中丢失相当好的中间模型。在具有挑战性的COFW数据集[1]上，我们的方法实现了6：33％的平均误差，且与之前的最佳结果相比，减少了21：37％[
