| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-20页 |
| 1.1 课题的背景和意义 | 第10-13页 |
| 1.1.1 课题的背景 | 第10-11页 |
| 1.1.2 课题的意义 | 第11-13页 |
| 1.2 国内外现状和发展趋势 | 第13-16页 |
| 1.2.1 人耳检测的研究现状 | 第13-14页 |
| 1.2.2 卷积神经网络的研究现状 | 第14-16页 |
| 1.3 本文研究内容 | 第16-18页 |
| 1.4 本文的结构安排 | 第18-20页 |
| 2 相关背景知识 | 第20-25页 |
| 2.1 Softmax回归 | 第20页 |
| 2.2 多层神经网络 | 第20-23页 |
| 2.3 卷积与池化 | 第23-24页 |
| 2.3.1 卷积 | 第23页 |
| 2.3.2 池化 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于卷积神经网络的人耳分类器 | 第25-34页 |
| 3.1 人耳分类器网络设计 | 第26-28页 |
| 3.2 人耳分类器模型训练 | 第28-29页 |
| 3.3 人耳分类器实验与结果分析 | 第29-33页 |
| 3.3.1 实验环境 | 第29-30页 |
| 3.3.2 实验数据准备 | 第30-31页 |
| 3.3.3 测量指标 | 第31页 |
| 3.3.4 人耳分类实验 | 第31-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于卷积神经网络的人耳检测器 | 第34-45页 |
| 4.1 特征提取 | 第34-35页 |
| 4.2 ConvTran层用于人耳检测 | 第35-36页 |
| 4.3 k-means生成anchor | 第36-37页 |
| 4.4 边界框过滤 | 第37-39页 |
| 4.5 人耳检测器训练 | 第39-40页 |
| 4.6 人耳检测器实验与结果分析 | 第40-44页 |
| 4.6.1 实验数据准备 | 第40页 |
| 4.6.2 测量指标 | 第40-41页 |
| 4.6.3 人耳检测实验 | 第41-44页 |
| 4.7 本章小结 | 第44-45页 |
| 5 基于卷积神经网络的人耳位置对齐模型 | 第45-59页 |
| 5.1 location-alignment模型 | 第45-47页 |
| 5.2 raw-feature | 第47-51页 |
| 5.3 location-alignment模型训练 | 第51-52页 |
| 5.4 location-alignment实验与结果分析 | 第52-57页 |
| 5.4.1 实验数据准备 | 第52-53页 |
| 5.4.2 测量指标 | 第53页 |
| 5.4.3 location-alignment人耳检测实验 | 第53-57页 |
| 5.5 本章小结 | 第57-59页 |
| 6 人耳图像检测系统 | 第59-70页 |
| 6.1 人耳分类器 | 第59-62页 |
| 6.1.1 数据准备 | 第59页 |
| 6.1.2 训练 | 第59-62页 |
| 6.1.3 测试 | 第62页 |
| 6.2 人耳检测器 | 第62-67页 |
| 6.2.1 数据准备 | 第62-64页 |
| 6.2.2 ConvTran层损失函数定义 | 第64-65页 |
| 6.2.3 测试 | 第65-67页 |
| 6.3 人耳位置对齐网络 | 第67-70页 |
| 6.3.1 数据准备 | 第67-68页 |
| 6.3.2 训练 | 第68-69页 |
| 6.3.3 测试 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间学术论文及科研情况 | 第75-76页 |
| 致谢 | 第76-78页 |
