| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 人脸检测算法的分类 | 第12-13页 |
| 1.2.2 Viola-Jones人脸检测框架 | 第13-14页 |
| 1.2.3 卷积神经网络的发展 | 第14-15页 |
| 1.3 人脸检测相关问题描述 | 第15-16页 |
| 1.4 本文的主要内容和结构 | 第16-18页 |
| 第二章 相关基础理论 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 Adaboost算法 | 第18-19页 |
| 2.3 卷积神经网络基础 | 第19-24页 |
| 2.3.1 激活函数 | 第20-21页 |
| 2.3.2 局部感受野 | 第21-22页 |
| 2.3.3 权值共享 | 第22页 |
| 2.3.4 池化采样 | 第22-23页 |
| 2.3.5 Dropout | 第23页 |
| 2.3.6 Fine-tuning | 第23-24页 |
| 2.4 常用人脸数据集介绍 | 第24-25页 |
| 2.5 人脸检测算法的性能评估基础 | 第25-27页 |
| 2.5.1 重叠面积 | 第25页 |
| 2.5.2 人脸区域位置的评价方法 | 第25-26页 |
| 2.5.3 检测结果的评价方法 | 第26-27页 |
| 2.6 本章小结 | 第27-30页 |
| 第三章 基于聚合通道判别投影Haar-like特征的人脸检测算法 | 第30-42页 |
| 3.1 引言 | 第30页 |
| 3.2 本章相关研究工作 | 第30-32页 |
| 3.2.1 Haar-like特征 | 第30-31页 |
| 3.2.2 通道特征 | 第31-32页 |
| 3.3 判别投影Haar-like特征选择 | 第32-33页 |
| 3.4 人脸检测器的训练与构造 | 第33-36页 |
| 3.4.1 改进的级联结构 | 第33-34页 |
| 3.4.2 训练阶段 | 第34-36页 |
| 3.4.3 检测阶段 | 第36页 |
| 3.5 实验与分析 | 第36-40页 |
| 3.5.1 实验设置 | 第36-37页 |
| 3.5.2 结果与分析 | 第37-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 基于级联卷积神经网络的人脸检测方法研究 | 第42-58页 |
| 4.1 引言 | 第42页 |
| 4.2 本章相关研究工作 | 第42-46页 |
| 4.2.1 全卷积网络 | 第42-43页 |
| 4.2.2 空间金字塔池化 | 第43-44页 |
| 4.2.3 级联结构 | 第44-45页 |
| 4.2.4 基于卷积神经网络人脸检测相关算法 | 第45-46页 |
| 4.3 基于卷积神经网络的人脸检测系统设计 | 第46-53页 |
| 4.3.1 结构设计 | 第46-48页 |
| 4.3.2 训练阶段 | 第48-49页 |
| 4.3.3 多尺度检测 | 第49-50页 |
| 4.3.4 软-非极大值抑制法 | 第50-53页 |
| 4.4 实验与分析 | 第53-57页 |
| 4.4.1 实验设置 | 第53页 |
| 4.4.2 结果与分析 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 作者简介 | 第67页 |