基于神经网络的人脸姿态重建技术研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 人脸姿态重建方法的国内外研究现状 | 第10-14页 |
| 1.2.1 3D人脸姿态重建 | 第10-12页 |
| 1.2.2 2D人脸姿态重建 | 第12-14页 |
| 1.2.3 基于深度学习的人脸姿态重建 | 第14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-16页 |
| 第二章 人脸姿态重建技术与方案确定 | 第16-27页 |
| 2.1 人脸姿态重建的原理 | 第16-17页 |
| 2.2 人脸姿态重建技术研究 | 第17-22页 |
| 2.2.1 2D统计学习人脸姿态重建方法 | 第17-21页 |
| 2.2.2 基于神经网络的人脸姿态重建方法 | 第21-22页 |
| 2.3 改进的人脸姿态重建方案设计 | 第22-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 人脸姿态重建预处理设计 | 第27-41页 |
| 3.1 人脸图像库的采集 | 第28-29页 |
| 3.2 人脸图像的灰度化 | 第29-30页 |
| 3.3 人脸图像的归一化实现 | 第30-36页 |
| 3.3.1 人脸图像的几何归一化 | 第31-32页 |
| 3.3.2 人脸图像的数据归一化 | 第32-36页 |
| 3.4 图像去噪技术研究 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 人脸姿态重建中神经网络的设计 | 第41-60页 |
| 4.1 人脸图像不同姿态间关系的确定 | 第41-42页 |
| 4.2 神经网络结构设计 | 第42-59页 |
| 4.2.1 数据输入层 | 第43-44页 |
| 4.2.2 卷积计算层的设计 | 第44-48页 |
| 4.2.3 激励层的设计 | 第48-52页 |
| 4.2.4 池化层的设计 | 第52-53页 |
| 4.2.5 全连接层的设计 | 第53-54页 |
| 4.2.6 参数的更新 | 第54-59页 |
| 4.3 本章小结 | 第59-60页 |
| 第五章 人脸姿态重建结果分析 | 第60-67页 |
| 5.1 人脸姿态重建整体系统实现 | 第60-63页 |
| 5.2 人脸姿态重建结果 | 第63-65页 |
| 5.3 重建结果分析 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文总结 | 第67-68页 |
| 6.2 后续工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
