基于机器学习的面部整形手术的模拟
摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第11-18页 |
1.1 引言 | 第11页 |
1.2 课题研究背景及意义 | 第11-12页 |
1.3 国内外研究现状 | 第12-16页 |
1.4 本文的研究内容与章节安排 | 第16-17页 |
1.5 本章小结 | 第17-18页 |
第二章 面部图像特征属性提取 | 第18-27页 |
2.1 引言 | 第18页 |
2.2 面部特征属性提取简介 | 第18-19页 |
2.3 特征点提取 | 第19-24页 |
2.3.1 模型建立 | 第19-21页 |
2.3.2 局部纹理模型 | 第21-22页 |
2.3.3 模型匹配 | 第22-24页 |
2.4 三角形网格化 | 第24-25页 |
2.5 面部参数化 | 第25-26页 |
2.6 本章小结 | 第26-27页 |
第三章 基于历史病例的训练与预测 | 第27-41页 |
3.1 引言 | 第27页 |
3.2 机器学习概述 | 第27-31页 |
3.2.1 决策树 | 第28-29页 |
3.2.2 人工神经网络 | 第29-31页 |
3.3 基于支持向量机回归算法的训练与预测 | 第31-36页 |
3.4 基于K 近临算法的预测 | 第36-40页 |
3.5 本章小结 | 第40-41页 |
第四章 预测结果可视化 | 第41-51页 |
4.1 引言 | 第41页 |
4.2 二维结果可视化 | 第41-45页 |
4.3 三维结果可视化 | 第45-50页 |
4.3.1 模型建立 | 第45-47页 |
4.3.2 模型匹配 | 第47-50页 |
4.4 本章小结 | 第50-51页 |
第五章 实现与实验结果讨论 | 第51-64页 |
5.1 引言 | 第51页 |
5.2 实验环境 | 第51页 |
5.3 特征点提取分析 | 第51-53页 |
5.4 基于K 近邻算法预测分析 | 第53-54页 |
5.5 两种预测方法对比 | 第54-60页 |
5.6 三维结果分析 | 第60-63页 |
5.7 本章小结 | 第63-64页 |
第六章 结论与展望 | 第64-66页 |
6.1 工作总结 | 第64-65页 |
6.2 工作展望 | 第65-66页 |
参考文献 | 第66-70页 |
致谢 | 第70-71页 |
攻读硕士学位期间已发表或录用的论文 | 第71-73页 |