| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12页 |
| 1.4 论文章节安排 | 第12-14页 |
| 第二章 特征点定位关键技术 | 第14-24页 |
| 2.1 人脸检测 | 第14-15页 |
| 2.2 经典定位算法介绍介绍 | 第15-20页 |
| 2.2.1 传统机器学习算法 | 第15-18页 |
| 2.2.2 基于深度学习的方法 | 第18-20页 |
| 2.3 总结 | 第20页 |
| 2.4 难点及解决方案 | 第20-22页 |
| 2.4.1 光照变化 | 第20-21页 |
| 2.4.2 姿态多样性 | 第21页 |
| 2.4.3 表情多样性 | 第21-22页 |
| 2.4.4 遮挡 | 第22页 |
| 2.5 章节总结 | 第22-24页 |
| 第三章 深度学习理论基础 | 第24-36页 |
| 3.1 深层自动编码器(DAE) | 第24-25页 |
| 3.2 受限玻尔兹曼机(RBM) | 第25-27页 |
| 3.3 深度置信网络(DBN) | 第27-28页 |
| 3.4 循环神经网络(RNN) | 第28-29页 |
| 3.5 卷积神经网络(CNN) | 第29-34页 |
| 3.5.1 常用神经元层结构 | 第29-32页 |
| 3.5.2 模型训练 | 第32页 |
| 3.5.3 优化算法 | 第32-33页 |
| 3.5.4 网络训练技巧 | 第33-34页 |
| 3.6 章节总结 | 第34-36页 |
| 第四章 SDM改进方案 | 第36-46页 |
| 4.1 自适应特征尺度 | 第36-37页 |
| 4.2 适应性回归模式 | 第37-38页 |
| 4.3 正则项 | 第38-39页 |
| 4.4 改进总结 | 第39页 |
| 4.5 实验准备与结果分析 | 第39-43页 |
| 4.5.1 与SDM 比较 | 第39-41页 |
| 4.5.2 与state-of-the-art比较 | 第41-43页 |
| 4.6 章节总结 | 第43-46页 |
| 第五章 CNN特征点定位 | 第46-52页 |
| 5.1 网络结构设计 | 第46-47页 |
| 5.2 实验数据准备与结果分析 | 第47-49页 |
| 5.3 多点定位网络训练与效果分析 | 第49-50页 |
| 5.4 章节总结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 论文工作总结 | 第52页 |
| 6.2 进一步的研究工作 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表论文目录 | 第59页 |