基于级联形状回归的人脸对齐方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究的背景及意义 | 第7-8页 |
| 1.2 人脸对齐的主要方法 | 第8-9页 |
| 1.2.1 人脸对齐任务概述 | 第8页 |
| 1.2.2 人脸对齐方法概述 | 第8-9页 |
| 1.3 人脸对齐面临的挑战 | 第9-10页 |
| 1.4 数据集与评价标准 | 第10-11页 |
| 1.5 主要研究内容及本文结构安排 | 第11-12页 |
| 1.6 本章小结 | 第12-13页 |
| 第二章 级联形状回归 | 第13-20页 |
| 2.1 级联形状回归 | 第13-14页 |
| 2.2 主流的级联形状回归方法 | 第14-19页 |
| 2.2.1 显式形状回归 | 第14-17页 |
| 2.2.2 级联卷积神经网络 | 第17-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 改进的基于显式形状回归的人脸对齐方法 | 第20-28页 |
| 3.1 引言 | 第20页 |
| 3.2 改进的显式形状回归算法 | 第20-24页 |
| 3.2.1 人脸粗对准 | 第20-22页 |
| 3.2.2 回归器训练 | 第22-23页 |
| 3.2.3 特征池过滤 | 第23-24页 |
| 3.3 实验分析 | 第24-27页 |
| 3.3.1 实验对比 | 第24-26页 |
| 3.3.2 实验结果分析 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 改进的基于局部二值特征回归的人脸对齐方法 | 第28-39页 |
| 4.1 引言 | 第28页 |
| 4.2 相对索引特征 | 第28-30页 |
| 4.2.1 形状索引特征 | 第28-29页 |
| 4.2.2 相对索引特征 | 第29-30页 |
| 4.3 特征稀疏化编码 | 第30-34页 |
| 4.3.1 CART决策树 | 第31-32页 |
| 4.3.2 随机森林简介 | 第32-33页 |
| 4.3.3 基于随机森林的特征编码 | 第33-34页 |
| 4.4 区域形状回归 | 第34-35页 |
| 4.4.1 全局形状回归 | 第34-35页 |
| 4.4.2 区域形状回归 | 第35页 |
| 4.4.3 LibLinear线性回归器 | 第35页 |
| 4.5 实验与结果分析 | 第35-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第五章 基于级联卷积神经网络的人脸对齐方法 | 第39-48页 |
| 5.1 引言 | 第39页 |
| 5.2 两级回归预测 | 第39-40页 |
| 5.3 多任务驱动 | 第40-43页 |
| 5.3.1 深度卷积网络提取面部特征 | 第41页 |
| 5.3.2 学习多任务的深度卷积网络 | 第41-43页 |
| 5.4 第二级精修网络 | 第43-44页 |
| 5.5 实验分析 | 第44-47页 |
| 5.5.1 网络输入 | 第44页 |
| 5.5.2 试验结果与分析 | 第44-47页 |
| 5.6 本章小结 | 第47-48页 |
| 总结与展望 | 第48-50页 |
| 论文工作总结 | 第48页 |
| 展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第54页 |
