本源码是github上的一个开源的caffe人脸关键点定位，我按照作者的编译方法编译。然后整个打包，所以大家可以直接编译。环境必须是vs2013

MSG-Net（多尺度指导网络） 多尺度制导网络 该存储库（ ）是MSG-Net的正式版本，适用于我们在ECCV16中进行的。 它带有四个训练有素的网络（x2，x4，x8和x16），一个带Kong的RGBD训练集和三个带Kong的RGBD测试集（A，B和C）。 据我们所知，MSG-Net是FIRST卷积神经网络，它尝试在多尺度引导下从相应的高分辨率RGB图像上对深度图像进行升采样。 还提供了MS-Net的另一个（无多尺度指导）。 有关更多详细信息，请访问。 许可和引文 该软件和相关的文档文件（以下简称“软件”），以及包括但不限于附图的研究论文（深度多尺度制导的深度图超分辨率）以及表格（以下简称“纸张”）均已提供给学术界仅用于研究目的，无任何担保。 任何商业用途都必须征得我的同意。 在您的工作中使用软件或论文的任何部分时，请引用以下论文 @InProceedings{hui16

Github下载过慢，下载了差不多一天，估计是网络不行，添加3.3.0作为备份，c++代码，可编译成库

包含视频、文档等，大约700M

神经网络 概述 是等人提出的多任务级联卷积神经网络进行人脸检测的方法，它能够同时输出人脸的检测框以及5个关键点，是开源中效果最好的人脸检测器，，作者提供的版本为，它采用三级级联架构分阶段逐步过滤人脸，在CPU上可达到实时和较高的准确率，是目前人脸检测领域的基准。 由于各种不同的姿态，光照和遮挡等，人脸检测和对齐在非控制环境下非常具有挑战性。最近的研究表明使用深度学习能够获得惊艳的性能，MTCNN提出了一个多任务级联框架其发掘了检测和对齐的内在联系来提升性能。特别是，其通过由粗到细的方式设计了3个精心设计的级联式的网络来检测脸和关键点，从而又提出了一种在线难例挖掘的策略进一步提升性能。其超过能有

pip install -r D:\requirements27.txt python2.7情况特殊非必要不要升级任何类库的版本。就按照上面的装。

caffe windows python2.7 cpu模式 x64位 包含fast_rcnn的roi_pooling_layers。下载后直接扔到site-packages目录下就行

pip install -r D:\requirements35.txt

caffe-window-python2.7编译包，刚编译完，里面有完整的编译需要的文件，不需要在下载一堆了，所以压缩包会比较大。下载后，找到windows文件夹下的Caffe.sln。强烈建议用vs2013打开，别的版本打开语法不兼容。配置项找到CommonSetings.props进行配置修改。

caffe-window-python3.5编译包，刚编译完，里面有完整的编译需要的文件，不需要在下载一堆了，所以压缩包会比较大。下载后，找到build文件夹下的Caffe.sln。强烈建议用vs2015打开。