La localización de puntos de referencia faciales es una tarea significativa pero desafiante en visión por computadora, cuya precisión ha mejorado notablemente debido a la exitosa aplicación de Redes Neuronales Convolucionales profundas (CNNs). Sin embargo, las CNNs requieren un gran almacenamiento y sobrecarga computacional, lo que dificulta su implementación en plataformas con limitaciones computacionales. En este documento, hasta donde sabemos, es la primera vez que se implementa una localización eficiente de puntos de referencia faciales a través de CNNs binarizadas. Introducimos una nueva arquitectura de red para calcular los modelos binarizados, denominada Redes Convolucionales de Amplitud (ACNs), basada en el algoritmo de retropropagación asincrónica propuesto. Podemos recuperar eficientemente los filtros de precisión completa utilizando solo un factor de manera integral, y la eficiencia de las CNNs para la localización de puntos de referencia faciales se mejora aún más mediante las ACNs de 1 bit extremadamente comprimidas. Nuestras ACNs reducen el espacio de almacenamiento de los filtros convolucionales en un factor de 32 en comparación con los modelos de precisión completa en los conjuntos de datos LFW+Webface, CelebA, BioID y 300W, al tiempo que logran un rendimiento comparable a los algoritmos de localización de puntos de referencia faciales de precisión completa.