Facial landmark detection merupakan bagian dari facial recognition,bertujuan untuk mengidentifikasi titik fokus pada wajah berdasarkan ciri penampakan bagian wajah yang cenderung menonjol, seperti area mata, hidung, bibir, serta tulang pipi. Facial landmark detection sering diimplementasikan pada bidang pengenalan wajah, prediksi pose wajah, rekonstruksi wajah 3 dimensi, serta pengembangan sistem deteksi kelelahan karyawan berdasarkan ekspresi wajah. Seiring bertambahnya ketersediaan citra wajah dan kebutuhan proses komputasi yang cepat, metode Convolutional Neural Network (CNN) diimplementasikan pada facial landmark detection. Namun beragamnya kualitas citra menyebabkan CNN kurang optimal dalam melakukan deteksi. Oleh karena itu guna mengatasi permasalahan terkait kualitas citra ini, diimplementasikan metode mean denoising sebagai upaya peningkatan nilai akurasi CNN dalam melakukan pendeteksian landmark wajah. Dataset citra wajah diperoleh dari platform Kaggle, LFWPeople, AFLW200 dan Female Facial Image Dataset, dengan total sebanyak 2.050 citra wajah, dan terbagi menjadi 2.000 data latih dan 50 data uji. Berdasarkan hasil pengujian, kombinasi metode CNN dengan mean denoising menghasilkan peningkatan akurasi yang lebih baik dalam pengenalan objek pada wajah pada kualitas citra yang heterogen dengan rata-rata akurasi pengujian sebesar 81,33%. Akurasi yang cukup baik ini didapatkan karena citra wajah masukan dilakukan penghilangan noise terlebih dahulu sehingga fitur dari citra yang seringkali menyebabkan sistem CNN salah dalam mengidentifikasi objek pada wajah dapat diminimalisir.