| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 研究内容和目标 | 第13页 |
| 1.3 文章组织结构 | 第13-15页 |
| 第2章 相关技术概述 | 第15-21页 |
| 2.1 人脸关键点估计问题描述 | 第15页 |
| 2.2 人脸关键点估计算法相关技术 | 第15-16页 |
| 2.3 主动形状模型Active Shape Model | 第16-17页 |
| 2.4 可变形部件模型Deformable Part Models | 第17页 |
| 2.5 基于DPM的人脸关键点检测算法 | 第17-19页 |
| 2.6 本章小结 | 第19-21页 |
| 第3章 人工神经网络 | 第21-29页 |
| 3.1 神经网络背景 | 第21-23页 |
| 3.1.1 生物神经网络 | 第21页 |
| 3.1.2 人工神经网络 | 第21-23页 |
| 3.2 人工神经网络的基本模型 | 第23-28页 |
| 3.2.1 人工神经元 | 第23-24页 |
| 3.2.2 人工神经网络与前馈运算 | 第24-25页 |
| 3.2.3 人工神经网络与反向传播算法 | 第25-26页 |
| 3.2.4 回归问题 | 第26-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 级联卷积神经网络与人脸关键点检测 | 第29-45页 |
| 4.1 人脸关键点检测 | 第29-30页 |
| 4.2 卷积神经网络 | 第30-35页 |
| 4.2.1 卷积神经网络历史 | 第30-31页 |
| 4.2.2 卷积神经网络的结构 | 第31-35页 |
| 4.3 级联卷积神经网络架构 | 第35-43页 |
| 4.3.1 人脸检测层 | 第37-38页 |
| 4.3.2 人脸轮廓级联模块 | 第38-42页 |
| 4.3.3 人脸内部级联模块 | 第42-43页 |
| 4.3.4 人脸关键点输出层 | 第43页 |
| 4.4 本章小结 | 第43-45页 |
| 第5章 实验结果 | 第45-57页 |
| 5.1 CCNN级联神经网络的实现与训练 | 第45页 |
| 5.2 测试数据集 | 第45-47页 |
| 5.3 实验结果对比 | 第47-51页 |
| 5.3.1 LFPW数据集结果对比 | 第48-50页 |
| 5.3.2 BioID数据集结果对比 | 第50-51页 |
| 5.4 实验结果展示与分析 | 第51-55页 |
| 5.4.1 LFPW数据集结果 | 第51-53页 |
| 5.4.2 Helen数据集结果 | 第53-54页 |
| 5.4.3 YaleB数据集结果 | 第54-55页 |
| 5.5 本章小结 | 第55-57页 |
| 第6章 总结和展望 | 第57-59页 |
| 6.1 全文总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间的主要研究成果 | 第63-65页 |
| 致谢 | 第65页 |