集成回歸樹算法訓練模型，首先在訓練集中對人臉圖像特征點進行標注。然后利用回歸樹模型進行訓練。首先需要計算的是平均臉，作為模型在測試時初始化的形狀，認為是shape。訓練時，將像素點強度作為特征，已標定的訓練集附近的像素點和點對之間的距離作為特征池，將距離除以兩眼之間的距離以進行歸一化，這里引入指數距離先驗，套用集成回歸樹模型，模型為級聯的10個回歸樹，每個回歸樹中有500個弱回歸器，每個樹的深度為5，使用梯度提升算法(集成)使用殘差不斷回歸，擬合誤差，得到最終的回歸樹模型。
在測試時，將人臉檢測結果輸入模型，先使用平均臉貼在一個新的測試臉中，得到初始shape，用臉部形狀來預測特征點，同時反過來也用特征點預測臉部的形狀，並利用與訓練時同樣的誤差函數去回歸，不斷回歸並減小與groundtruth的誤差，通過10次級聯回歸樹，得到最終的人臉特征點定位結果。
在測試時，將人臉檢測結果輸入模型，先使用平均臉貼在一個新的測試臉中，得到初始shape，用臉部形狀來預測特征點，同時反過來也用特征點預測臉部的形狀，並利用與訓練時同樣的誤差函數去回歸，不斷回歸並減小與groundtruth的誤差，通過10次級聯回歸樹，得到最終的人臉特征點定位結果。
鏈接：https://www.zhihu.com/question/275455561/answer/395838219