| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 人脸检测技术简介 | 第9-10页 |
| 1.2.2 深度学习理论介绍 | 第10-11页 |
| 1.2.3 对抗深度学习理论介绍 | 第11-14页 |
| 1.3 本文的工作与内容 | 第14-16页 |
| 1.3.1 本文的主要工作 | 第14-15页 |
| 1.3.2 本文的内容安排 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 卷积神经网络理论介绍 | 第17-29页 |
| 2.1 人工神经网络 | 第17-18页 |
| 2.2 卷积神经网络 | 第18-28页 |
| 2.2.1 卷积 | 第20-23页 |
| 2.2.2 池化 | 第23-25页 |
| 2.2.3 激活函数 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于区域卷积神经网络的人脸检测 | 第29-51页 |
| 3.1 FastR-CNN人脸检测方法 | 第29-42页 |
| 3.1.1 FastR-CNN介绍 | 第29-30页 |
| 3.1.2 RoI池化层 | 第30-31页 |
| 3.1.3 分类与边界框回归 | 第31-35页 |
| 3.1.4 选择性搜索 | 第35-39页 |
| 3.1.5 人脸图像区域建议 | 第39-40页 |
| 3.1.6 FastR-CNN实现人脸检测实验 | 第40-42页 |
| 3.2 FasterR-CNN人脸检测方法 | 第42-50页 |
| 3.2.1 RPN网络 | 第44-48页 |
| 3.2.2 RPN网络和FastR-CNN共享特征 | 第48-49页 |
| 3.2.3 FasterR-CNN实现人脸检测实验 | 第49-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第4章 FasterR-CNN：生成对抗网络人脸检测 | 第51-63页 |
| 4.1 对抗FastR-CNN(A-Fast-RCNN)网络 | 第51-59页 |
| 4.1.1 对抗遮挡网络设计 | 第53-55页 |
| 4.1.2 对抗遮挡网络初始化 | 第55-58页 |
| 4.1.3 实验过程 | 第58-59页 |
| 4.2 RPN网络和A-Fast-RCNN结合的人脸检测 | 第59-60页 |
| 4.2.1 RPN网络和A-Fast-RCNN联合训练介绍 | 第59-60页 |
| 4.2.2 实验步骤 | 第60页 |
| 4.3 A-Faster-RCNN人脸遮挡检测 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70-71页 |
