| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 课题研究背景与重要性 | 第13-15页 |
| 1.2 人脸信息处理技术简介 | 第15-22页 |
| 1.2.1 人脸信息处理技术的发展 | 第15-17页 |
| 1.2.2 人脸图像数据的种类与获取途径 | 第17-18页 |
| 1.2.3 人脸信息处理技术的研究内容 | 第18-22页 |
| 1.3 人脸信息处理技术面临的挑战 | 第22-23页 |
| 1.4 本文主要工作 | 第23-25页 |
| 第二章 基于仿射变换参数回归的人脸对齐 | 第25-47页 |
| 2.1 人脸对齐介绍 | 第25-26页 |
| 2.1.1 人脸对齐的流程 | 第25-26页 |
| 2.1.2 人脸对齐的衡量指标 | 第26页 |
| 2.2 人脸对齐的主要算法 | 第26-33页 |
| 2.2.1 基于卷积神经网的对齐算法 | 第26-27页 |
| 2.2.2 基于AAM的对齐算法 | 第27-29页 |
| 2.2.3 基于CLM的对齐方法 | 第29-31页 |
| 2.2.4 基于SDM的对齐方法 | 第31-33页 |
| 2.3 仿射变换参数回归 | 第33-40页 |
| 2.3.1 二维仿射变换与Procrustes分析 | 第33-34页 |
| 2.3.2 构建稳健的仿射参数回归 | 第34-37页 |
| 2.3.3 APR策略与KPR策略的组合 | 第37-40页 |
| 2.4 与业界领先算法的比较 | 第40-43页 |
| 2.4.1 实验环境 | 第40页 |
| 2.4.2 精度对比 | 第40-42页 |
| 2.4.3 训练时间、模型体积与预测速度对比 | 第42-43页 |
| 2.5 人脸关键点视频追踪 | 第43-45页 |
| 2.6 本章小结 | 第45-47页 |
| 第三章 基于双代价函数的深度网络高效训练框架 | 第47-71页 |
| 3.1 深度学习技术简介 | 第47-53页 |
| 3.1.1 深度网络的种类 | 第47-49页 |
| 3.1.2 深度网络的优点 | 第49-50页 |
| 3.1.3 深度网络的训练过程 | 第50-52页 |
| 3.1.4 深度网络难以调优的原因 | 第52-53页 |
| 3.2 深度网络训练相关技术介绍 | 第53-54页 |
| 3.3 基于双代价函数的训练方法 | 第54-61页 |
| 3.3.1 LB-Loss与FB-Loss的定义 | 第54-56页 |
| 3.3.2 网络收敛性比较 | 第56-57页 |
| 3.3.3 基于FB-Loss的逐层预训练方法 | 第57-59页 |
| 3.3.4 基于双代价函数的训练框架 | 第59-61页 |
| 3.4 参数选择与对比实验 | 第61-68页 |
| 3.4.1 超参数选择 | 第62-65页 |
| 3.4.2 训练速度对比 | 第65-66页 |
| 3.4.3 预测精度对比 | 第66-68页 |
| 3.5 本章小结 | 第68-71页 |
| 第四章 基于深度学习的人脸识别框架 | 第71-93页 |
| 4.1 人脸识别流程介绍 | 第71-75页 |
| 4.1.1 人脸检测与关键点标注 | 第72-73页 |
| 4.1.2 人脸归一化 | 第73页 |
| 4.1.3 特征提取 | 第73-74页 |
| 4.1.4 特征匹配 | 第74-75页 |
| 4.2 基于深度学习的人脸识别技术相关工作 | 第75-80页 |
| 4.2.1 DeepFace介绍 | 第75-76页 |
| 4.2.2 DeepID\DeepID2简介 | 第76-78页 |
| 4.2.3 FaceNet简介 | 第78-80页 |
| 4.3 本文的人脸识别框架 | 第80-87页 |
| 4.3.1 模型训练流程 | 第80-86页 |
| 4.3.2 识别应用流程 | 第86-87页 |
| 4.4 实现细节与实验结果 | 第87-90页 |
| 4.4.1 LFW的测试结果 | 第87-88页 |
| 4.4.2 OurData的测试结果 | 第88-90页 |
| 4.5 本章小结 | 第90-93页 |
| 第五章 基于ASEF滤波器特征的鲁棒人眼定位 | 第93-107页 |
| 5.1 ASEF互相关模板简介 | 第93-96页 |
| 5.2 眼睛模板产生的响应所存在的规律 | 第96-98页 |
| 5.3 基于学习的ASEF人眼定位框架 | 第98-102页 |
| 5.3.1 基于双眼ASEF函数训练眼睛模板 | 第99页 |
| 5.3.2 基于FFT的卷积计算方法 | 第99-101页 |
| 5.3.3 BP神经网络与级联增强 | 第101-102页 |
| 5.4 人眼定位实验 | 第102-106页 |
| 5.4.1 改进策略的效果分析 | 第102-103页 |
| 5.4.2 与其他方法的对比 | 第103-106页 |
| 5.5 本章小结 | 第106-107页 |
| 第六章 结束语 | 第107-109页 |
| 6.1 工作总结 | 第107-108页 |
| 6.2 下步展望 | 第108-109页 |
| 致谢 | 第109-111页 |
| 参考文献 | 第111-123页 |
| 作者在学期间取得的学术成果 | 第123页 |