首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的人脸检测算法的研究与实现

摘要第5-6页
abstract第6-7页
第一章 绪论第12-16页
    1.1 选题背景和意义第12-13页
    1.2 国内外研究现状和发展态势第13-14页
    1.3 工作内容及特色第14页
    1.4 各章内容介绍第14-16页
第二章 理论基础及相关技术第16-29页
    2.1 深度学习第16-22页
        2.1.1 深度学习概述第16页
        2.1.2 卷积神经网络第16-22页
            2.1.2.1 基本结构第16-18页
            2.1.2.2 激活函数第18-21页
            2.1.2.3 权重初始化第21页
            2.1.2.4 正则化第21-22页
    2.2 候选框生成技术第22-24页
        2.2.1 基于滑动窗口的候选框生成技术第22-23页
        2.2.2 基于区域的候选框生成技术第23-24页
    2.3 常见人脸检测算法第24-27页
        2.3.1 JDA第24-26页
            2.3.1.1 整体框架第24-25页
            2.3.1.2 算法实现第25-26页
        2.3.2 Cascade CNN第26-27页
            2.3.2.1 整体架构第26-27页
            2.3.2.2 算法流程第27页
    2.4 本章小结第27-29页
第三章 EMT_CNN人脸检测算法第29-46页
    3.1 算法设计思路第29-30页
    3.2 算法框架第30页
    3.3 Face Classify Network第30-32页
    3.4 Proposal Generate Network第32-38页
        3.4.1 网络框架及流程第32-34页
        3.4.2 关键技术第34-38页
            3.4.2.1 感受野的计算与特征图的还原第34-36页
            3.4.2.2 候选框正负样本划分第36-37页
            3.4.2.3 多任务损失函数第37-38页
    3.5 非极大值抑制的GPU化第38-41页
        3.5.1 算法流程第38页
        3.5.2 GPU化流程第38-39页
        3.5.3 GPU化加速原理第39-40页
        3.5.4 结果分析第40-41页
    3.6 模型训练第41-45页
        3.6.1 数据选择第41-42页
        3.6.2 数据预处理第42页
        3.6.3 训练方式第42-45页
            3.6.3.1 多步循环迭代训练第42-43页
            3.6.3.2 端到端的训练第43-45页
        3.6.4 训练结果及分析第45页
    3.7 本章小结第45-46页
第四章 人脸检测系统设计第46-60页
    4.1 系统功能及需求第46页
    4.2 人脸检测系统整体框架第46页
    4.3 基础通信框架第46-48页
        4.3.1 整体架构设计第46-48页
        4.3.2 通信协议第48页
    4.4 Resource Node第48-50页
    4.5 Proxy Node第50-51页
    4.6 Task Excutor Node第51-54页
        4.6.1 管控进程第52-53页
        4.6.2 人脸检测进程第53-54页
    4.7 节点通信协议第54-56页
        4.7.1 RN与TEN通信协议第54页
        4.7.2 RN与PN通信协议第54页
        4.7.3 TEN与PN通信协议第54-56页
    4.8 系统核心流程第56-58页
        4.8.1 PN启动流程第56-57页
        4.8.2 TEN启动流程第57页
        4.8.3 人脸检测流程第57-58页
    4.9 本章小结第58-60页
第五章 人脸检测系统实现第60-79页
    5.1 基础通信框架第60-63页
        5.1.1 通信组件第60-61页
        5.1.2 任务管理组件第61-62页
        5.1.3 线程池组件第62-63页
    5.2 Resource Node第63-68页
        5.2.1 RN通信组件第63-64页
        5.2.2 RN任务管理组件第64-66页
        5.2.3 RN定时器组件第66-67页
        5.2.4 RN数据库更新组件第67-68页
    5.3 Proxy Node第68-71页
        5.3.1 PN通信组件第68-69页
        5.3.2 PN任务管理组件第69-70页
        5.3.3 PN缓存管理组件第70-71页
        5.3.4 PN定时器组件第71页
    5.4 Task Excutor Node第71-78页
        5.4.1 管控进程第71-75页
            5.4.1.1 通信组件第71-72页
            5.4.1.2 任务管理组件第72-73页
            5.4.1.3 进程管理组件第73-74页
            5.4.1.4 信息管理组件第74-75页
            5.4.1.5 定时器组件第75页
        5.4.2 人脸检测进程第75-78页
            5.4.2.1 通信组件第75-76页
            5.4.2.2 任务管理组件第76-77页
            5.4.2.3 人脸检测组件第77-78页
    5.5 本章小结第78-79页
第六章 测试与分析第79-85页
    6.1 测试环境第79页
    6.2 EMT_CNN算法性能测试第79-82页
        6.2.1 测试数据第79-80页
        6.2.2 结果与分析第80-82页
    6.3 系统测试第82-85页
        6.3.1 系统功能测试第82-84页
        6.3.2 系统性能测试第84-85页
第七章 总结与展望第85-86页
致谢第86-87页
参考文献第87-91页
攻硕期间取得的研究成果第91-92页

论文共92页,点击 下载论文
上一篇:六自由度咀嚼机设计与实现
下一篇:我国信访制度面临的困境及其破解研究