| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容与目标 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-16页 |
| 第2章 人脸特征点定位方法概述 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 人脸特征点定位方法概述 | 第16-28页 |
| 2.2.1 基于模板匹配的人脸特征点定位 | 第16-22页 |
| 2.2.2 基于级联回归的人脸特征点定位 | 第22-23页 |
| 2.2.3 深度学习的人脸特征点定位 | 第23-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第3章 基于灰度-边缘-梯度融合的卷积神经网络人脸特征点定位 | 第30-48页 |
| 3.1 引言 | 第30-31页 |
| 3.2 人脸特征点定位系统研究 | 第31-35页 |
| 3.2.1 人脸检测与定位 | 第32-33页 |
| 3.2.2 图像预处理 | 第33-34页 |
| 3.2.3 特征提取 | 第34页 |
| 3.2.4 线性回归 | 第34-35页 |
| 3.3 灰度-边缘-梯度特征融合的卷积神经网络结构 | 第35-41页 |
| 3.3.1 GEH特征融合阶段 | 第36-39页 |
| 3.3.2 卷积层特征提取阶段 | 第39-41页 |
| 3.4 实验结果与分析 | 第41-46页 |
| 3.4.1 实验平台配置与数据集介绍 | 第41页 |
| 3.4.2 实验结果分析 | 第41-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第4章 基于面部姿态辅助卷积神经网络的人脸特征点定位 | 第48-60页 |
| 4.1 引言 | 第48页 |
| 4.2 多任务学习问题描述 | 第48-49页 |
| 4.3 以面部姿态检测为辅助任务的卷积神经网络模型 | 第49-51页 |
| 4.4 网络模型的训练 | 第51-54页 |
| 4.4.1 数据样本说明 | 第53页 |
| 4.4.2 网络训练参数设置 | 第53-54页 |
| 4.5 实验结果 | 第54-56页 |
| 4.5.1 实验结果分析 | 第54-56页 |
| 4.6 本章小结 | 第56-60页 |
| 结论 | 第60-62页 |
| 工作总结 | 第60页 |
| 工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间所得的研究成果 | 第66-68页 |
| 致谢 | 第68页 |
