以下是从入坑到脱坑的全过程
本文的目的是什么？
目前，人脸识别的应用已经非常普遍，人脸识别的技术也非常成熟，（想了解人脸识别原理的同学点这里）一般情况我们可以选择付费的api，如果《穷》就可以选择一些开源的项目加以改进。但是实际项目如果是牛脸识别，猪脸识别，狗脸识别，猫脸识别呢！这种需求是存在的，但是就不会有那么多资源，甚至没有资源供我们自己使用，然后我们自然地就想到能否把人脸识别的相关技术用在上面呢！我不知道这个技术是否可行，但人们总会先把过去成功的经验用在相似的事情上。可以确定的是人脸识别所用到的所有模型不可能拿来直接用，因为它不可能把牛脸当作人脸，但是我们可以用回归模型训练的思路，用相对应的数据，去训练对应的模型。也就是如果一个模型可以通过训练进行人脸识别，那么只要不改变网络结构，只是重新训练模型的权重，那么牛脸识别，猫脸识别也应该能做到。
总结一下本文的目的
最后总结一下就是，我希望可以找到一个模型A，适用于牛脸识别，但苦于没有数据，我只能用现成的/但又黑盒的人脸识别模型生成人脸特征数据，用这批特征数据去验证模型A。（如果能找到开源的人脸特征点提取模型（是提取landmark坐标点的模型，不是将人脸图像降维到一定长度的模型），就不用靠猜的了）
选择模型
这个实验我打算用inception-V3作为基础模型，在后面接上两层全连接，变成一个新的网络。（为什么要加两层全连接，我是猜的，模型搭建经验不足啊！！！）
为什么用inception呢，因为它已经被大量用到一些分类识别的项目上了，说明它的卷积层还是可以抓到图像信息的，所以我将它的卷积部分的权重冻结，算上后加上的两层全连接，这个实验仅训练后三层网络。
数据制作
本次实验我只想训练模型能够提取人脸68个特征点坐标，因此我找到都是人脸图像（不包含复杂背景，只有头的那种），作为训练用到的模型输入数据，同时也做了图像增强，旋转/平移/缩放……
用开源项目把这些人脸图进行特征点标记，并存起来当作我的labels
模型训练代码
略……
预测结果
模型训练完，无论给模型输入什么图像，输出都一样，无论什么图片，输出总是在图片的同一个位置画出人脸特征点。
分析与再次尝试
2020-8-19:即便是输入模型全零矩阵，也会有同样的输出，输入与输出没有建立一种映射关系，仅仅找到了一个输出，能让所有标签loss平均最小，是模型结构问题？损失函数问题？，很有可能是模型的问题，无论输入什么图像，模型的某些层会消除所有差异，导致输出恒定不变！准备尝试resnet50模型，还不行就尝试自己建立模型，至少做到输出会随着输入不同而变化。
2020-8-20:事实上输出并不一样，只是小数点后几位不同，即便用resnet50也是这样，这是什么原因呢！！！
2020-8-21:准备尝试Hourglass网络，数据已增强，这里用到了人体躯干关节点提取常用的Hourglass网络
2020-8-25:事实证明Hourglass是有效果的，它能够找到眼睛和嘴巴的位置，由于训练次数太少，准确度还不高，但性能是可以提升的，也就是网络结构才是最关键的。
2020-8-26:看到有人用ASM算法做的人脸特征点提取，有机会再试。
未完待续。。。