一种改进的人脸检测与矫正算法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第9-10页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 选题背景及意义 | 第13-14页 |
| 1.2 项目背景介绍 | 第14-15页 |
| 1.3 国内外现状分析 | 第15-16页 |
| 1.4 论文工作内容 | 第16-17页 |
| 1.5 论文组织结构 | 第17-19页 |
| 第二章 相关理论与技术 | 第19-27页 |
| 2.1 Adaboost算法原理 | 第19-21页 |
| 2.2 分类器概述 | 第21-22页 |
| 2.3 人脸图像特征提取方法 | 第22-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于检测与矫正联合框架的改进算法 | 第27-35页 |
| 3.1 引言 | 第27-28页 |
| 3.2 人脸检测与矫正联合框架 | 第28-30页 |
| 3.3 分类特征提取算法 | 第30页 |
| 3.4 分类特征应用于人脸检测 | 第30-32页 |
| 3.5 局部回归特征提取算法 | 第32-33页 |
| 3.6 局部回归特征应用于人脸矫正 | 第33页 |
| 3.7 本章小结 | 第33-35页 |
| 第四章 算法的实现与优化 | 第35-47页 |
| 4.1 算法的实现 | 第35-40页 |
| 4.1.1 训练过程的实现 | 第35-37页 |
| 4.1.2 检测与矫正过程的实现 | 第37-39页 |
| 4.1.3 参数设置 | 第39-40页 |
| 4.2 算法的优化 | 第40-46页 |
| 4.2.1 随机负例挖掘算法 | 第40-42页 |
| 4.2.2 关键点标注缺失数据的处理 | 第42-43页 |
| 4.2.3 分类特征提取算法优化 | 第43-44页 |
| 4.2.4 循环迭代训练 | 第44-45页 |
| 4.2.5 算法并发优化 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 实验结果与分析 | 第47-61页 |
| 5.1 实验数据 | 第47-48页 |
| 5.2 实验指标 | 第48-49页 |
| 5.3 实验结果 | 第49-59页 |
| 5.3.1 FDDB评测集结果 | 第49-53页 |
| 5.3.2 AFW评测集结果 | 第53-55页 |
| 5.3.3 CMU-MIT评测集结果 | 第55-57页 |
| 5.3.4 300W评测集结果 | 第57-58页 |
| 5.3.5 运算效率 | 第58-59页 |
| 5.4 结果分析 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 结束语 | 第61-63页 |
| 6.1 论文工作总结 | 第61-62页 |
| 6.2 后续工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
