| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题背景及意义 | 第13-14页 |
| 1.2 研究现状综述 | 第14-15页 |
| 1.3 人脸研究概况 | 第15-16页 |
| 1.4 课题的研究重点 | 第16-17页 |
| 1.5 论文内容与组织结构 | 第17-19页 |
| 第二章 人脸特征分析的网络结构选择及改进 | 第19-31页 |
| 2.1 监控视频中人脸分析的网络结构 | 第19-22页 |
| 2.1.1 基于AlexNet的网络结构 | 第19-21页 |
| 2.1.2 Lighten CNN网络结构 | 第21-22页 |
| 2.2 单网络多目标构建 | 第22-25页 |
| 2.2.1 多任务学习(Multi-task learning) | 第22-24页 |
| 2.2.2 基于Lighten CNN的单网络多目标网络结构 | 第24-25页 |
| 2.3 常用分类评价机制 | 第25-26页 |
| 2.4 实验结果与分析 | 第26-30页 |
| 2.4.1 实验数据介绍 | 第27-28页 |
| 2.4.2 实验结果分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于GAN的人脸图像分析 | 第31-49页 |
| 3.1 GAN的概念 | 第31-33页 |
| 3.2 GAN在计算机视觉领域的应用 | 第33-39页 |
| 3.2.1 DCGAN | 第33-35页 |
| 3.2.2 基于BEGAN人脸属性数据生成 | 第35-38页 |
| 3.2.3 基于CycleGAN人脸属性数据生成 | 第38-39页 |
| 3.3 实验结果与分析 | 第39-47页 |
| 3.3.1 实验数据介绍 | 第39-41页 |
| 3.3.2 实验验证及分析 | 第41-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 人脸图像标注模型构建及视频序列分析 | 第49-59页 |
| 4.1 图像标注方法 | 第49-50页 |
| 4.2 基于阈值的模型训练样本拓充策略 | 第50-53页 |
| 4.2.1 模型训练样本拓充流程 | 第51-52页 |
| 4.2.2 阈值策略分析 | 第52-53页 |
| 4.3 优化模型的人脸序列分析 | 第53-54页 |
| 4.4 实验结果与分析 | 第54-57页 |
| 4.4.1 实验数据介绍 | 第54-55页 |
| 4.4.2 实验结果分析 | 第55-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 结论与展望 | 第59-61页 |
| 5.1 结论 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 研究成果及发表的学术论文 | 第67-69页 |
| 作者和导师简介 | 第69-71页 |
| 硕士研究生学位论文答辩委员会决议书 | 第71-72页 |