本文介绍了一种基于半监督学习的面部特征检测方法，利用无监督学习生成特征，并通过转移学习实现高精度识别。提出的 Landmark-Aware Net（LA-Net）模型通过面部标记降低标签噪声，在小样本情况下表现优越。此外，研究探讨了自监督学习框架和改进地标定位技术，均在多个数据集上取得良好效果。

该研究提出了两种技术来改善局部标记数据集中的地标定位，包括顺序多任务和基于无监督学习的方法。实验结果表明，这些技术可以在只有5％标记图像的条件下提高地标定位。