基于深度神经网络的人脸引导填充研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-22页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 本文采用的方法介绍 | 第13-19页 |
| 1.3.1 深度学习 | 第13-15页 |
| 1.3.2 卷积神经网络研究现状 | 第15-17页 |
| 1.3.3 生成对抗网络研究现状 | 第17-19页 |
| 1.4 本文主要研究内容 | 第19-22页 |
| 第2章 基于引导图的遮挡人脸关键点检测 | 第22-34页 |
| 2.1 引言 | 第22-23页 |
| 2.2 相关工作 | 第23-24页 |
| 2.2.1 空间形变网络 | 第23-24页 |
| 2.2.2 数据来源及样本生成 | 第24页 |
| 2.3 实现细节及具体训练策略 | 第24-27页 |
| 2.3.1 基于引导信息的网络结构设计 | 第24-27页 |
| 2.3.2 损失函数定义 | 第27页 |
| 2.3.3 网络训练策略 | 第27页 |
| 2.4 实验结果及分析 | 第27-32页 |
| 2.4.1 实验结果及对比分析 | 第27-31页 |
| 2.4.2 量化结果分析 | 第31-32页 |
| 2.4.3 模型在实际中的应用 | 第32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于局部判别网络的人脸填充模型 | 第34-53页 |
| 3.1 基于U型网络架构的人脸填充模型 | 第34-38页 |
| 3.1.1 图像获取与图像预处理 | 第34-35页 |
| 3.1.2 U型网络架构及网络结构设计 | 第35-36页 |
| 3.1.3 U型网络实验过程及结果 | 第36-38页 |
| 3.2 基于生成对抗网络的人脸填充模型 | 第38-42页 |
| 3.2.1 生成对抗网络在人脸填充的应用介绍 | 第38-41页 |
| 3.2.2 实验结果及分析 | 第41-42页 |
| 3.3 基于局部判别网络的人脸填充模型 | 第42-48页 |
| 3.3.1 实验数据及处理 | 第43-44页 |
| 3.3.2 网络结构设计及具体参数 | 第44-47页 |
| 3.3.3 损失函数定义 | 第47-48页 |
| 3.4 实验结果 | 第48-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 基于形变引导图的人脸填充模型 | 第53-66页 |
| 4.1 引言 | 第53页 |
| 4.2 引导人脸图像形变 | 第53-55页 |
| 4.2.1 移动最小二乘算法介绍 | 第53-54页 |
| 4.2.2 引导图像形变结果 | 第54-55页 |
| 4.3 实现细节及具体训练策略 | 第55-59页 |
| 4.3.1 基于VGG-Face的人脸填充模型 | 第55-57页 |
| 4.3.2 网络输入 | 第57-58页 |
| 4.3.3 网络结构设计及具体参数 | 第58-59页 |
| 4.4 实验结果 | 第59-64页 |
| 4.5 本章小结 | 第64-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第73-75页 |
| 致谢 | 第75-76页 |
