| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 人脸检测研究现状 | 第10-13页 |
| 1.2.1 基于知识规则的方法 | 第10-11页 |
| 1.2.2 基于模板匹配的方法 | 第11页 |
| 1.2.3 基于传统统计的方法 | 第11-12页 |
| 1.2.4 基于神经网络的方法 | 第12-13页 |
| 1.3 人脸检测研究难点 | 第13-15页 |
| 1.4 文章结构 | 第15-16页 |
| 第二章 深度学习算法理论基础 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 人工神经网络算法 | 第16-22页 |
| 2.2.1 神经元模型 | 第16-17页 |
| 2.2.2 前向传播神经网络 | 第17-19页 |
| 2.2.3 梯度下降法 | 第19-20页 |
| 2.2.4 误差反向传播算法 | 第20-21页 |
| 2.2.5 Dropout方法 | 第21-22页 |
| 2.3 卷积神经网络 | 第22-25页 |
| 2.3.1 卷积层 | 第23-24页 |
| 2.3.2 池化层 | 第24-25页 |
| 2.3.3 全连接层 | 第25页 |
| 2.4 经典网络结构分析 | 第25-27页 |
| 2.4.1 LeNet结构分析 | 第25-27页 |
| 第三章 基于改进的肤色预处理及神经网络的人脸检测 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 基于参考白的光照补偿 | 第27-28页 |
| 3.3 色彩空间 | 第28-31页 |
| 3.3.1 RGB色彩空间 | 第28-29页 |
| 3.3.2 CMYK色彩空间 | 第29-30页 |
| 3.3.3 HSV色彩空间 | 第30-31页 |
| 3.3.4 YCbCr色彩空间 | 第31页 |
| 3.4 基于简单阈值与高斯模型显示规则混合的肤色检测 | 第31-33页 |
| 3.4.1 简单阈值肤色检测 | 第32页 |
| 3.4.2 基于高斯模型显示规则的肤色检测 | 第32-33页 |
| 3.5 基于卷积神经网络的人脸检测 | 第33-34页 |
| 3.5.1 网络结构 | 第33-34页 |
| 3.6 实验结果分析 | 第34-38页 |
| 3.6.1 实验步骤 | 第34-36页 |
| 3.6.2 实验结果分析 | 第36-38页 |
| 第四章 基于全卷积神经网络的人脸候选区域获取 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 全卷积神经网络 | 第38-42页 |
| 4.2.1 网络结构 | 第39-41页 |
| 4.2.2 全连接层转换为卷积层 | 第41-42页 |
| 4.3 反卷积网络 | 第42-45页 |
| 4.3.1 反卷积过程 | 第43-44页 |
| 4.3.2 反池化过程 | 第44-45页 |
| 4.4 热图候选区域 | 第45页 |
| 4.5 实验结果分析 | 第45-50页 |
| 4.5.1 实验步骤 | 第45-47页 |
| 4.5.2 实验结果分析 | 第47-50页 |
| 第五章 基于热图候选区域与CMS-CNN的人脸检测 | 第50-62页 |
| 5.1 引言 | 第50页 |
| 5.2 基于热图与CMS-CNN网络的人脸检测框架 | 第50-51页 |
| 5.3 热图候选区域 | 第51-54页 |
| 5.3.1 全卷积神经网络结构 | 第52页 |
| 5.3.2 反卷积神经网络结构 | 第52-53页 |
| 5.3.3 热图人脸候选区域 | 第53-54页 |
| 5.4 CMS-CNN网络结构 | 第54-58页 |
| 5.4.1 网络结构 | 第54-55页 |
| 5.4.2 ROI池化层 | 第55页 |
| 5.4.3 L2归一化层 | 第55-56页 |
| 5.4.4 身体上下文信息 | 第56-58页 |
| 5.5 人脸身体信息融合 | 第58-59页 |
| 5.6 实验结果分析 | 第59-62页 |
| 5.6.1 实验步骤 | 第59-60页 |
| 5.6.2 实验结果分析 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文总结 | 第62页 |
| 6.2 论文展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 附录1 攻读硕士学位期间申请的专利 | 第67-68页 |
| 致谢 | 第68页 |
