| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景、意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 人脸检测研究现状 | 第10-11页 |
| 1.2.2 深度学习研究现状 | 第11-13页 |
| 1.3 本文的研究内容 | 第13页 |
| 1.4 本文章节安排 | 第13-15页 |
| 2 卷积神经网络的理论基础 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 卷积神经网络 | 第15-19页 |
| 2.2.1 卷积层 | 第16页 |
| 2.2.2 池化层 | 第16-17页 |
| 2.2.3 激活函数 | 第17-19页 |
| 2.3 卷积神经网络中参数的前向传播和反向传播 | 第19-22页 |
| 2.3.1 前向传播 | 第19-21页 |
| 2.3.2 反向传播算法 | 第21-22页 |
| 2.4 随机梯度下降算法 | 第22-24页 |
| 2.5 TensorFlow框架 | 第24页 |
| 2.5.1 TensorFlow框架简介 | 第24页 |
| 2.5.2 TensorFlow系统搭建和GPU训练 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 3 人脸关键点定位相关算法 | 第25-30页 |
| 3.1 引言 | 第25页 |
| 3.2 局部检测 | 第25-26页 |
| 3.3 基于级联回归检测 | 第26-27页 |
| 3.4 以深度学习为基础的关键点检测 | 第27-28页 |
| 3.5 大姿态人脸对齐 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 4 基于改进的CNN检测人脸关键点 | 第30-43页 |
| 4.1 引言 | 第30页 |
| 4.2 基于级联卷积神经网络简介 | 第30-31页 |
| 4.2.1 级联回归 | 第30-31页 |
| 4.2.2 级联卷积神经网络 | 第31页 |
| 4.3 由整体到局部检测的级联卷积神经网络 | 第31-34页 |
| 4.4 网络实施细节 | 第34-35页 |
| 4.5 改进DCNN架构分析 | 第35-39页 |
| 4.6 实验测试 | 第39-42页 |
| 4.6.1 人脸关键点数据集 | 第39-40页 |
| 4.6.2 实验参数设置 | 第40页 |
| 4.6.3 实验结果分析 | 第40-41页 |
| 4.6.4 实验结果展示 | 第41-42页 |
| 4.7 本章小结 | 第42-43页 |
| 5 人脸关键点检测应用 | 第43-45页 |
| 5.1 基于视频的人脸贴纸动画实现 | 第43-44页 |
| 5.2 本章小结 | 第44-45页 |
| 6 总结与展望 | 第45-46页 |
| 6.1 总结 | 第45页 |
| 6.2 展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 作者攻读学位期间取得的研究成果 | 第50-51页 |