跨模态人脸图像生成方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景与研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 跨模态人脸图像合成 | 第10-13页 |
| 1.2.2 面部特征点检测 | 第13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 第2章 基于引导图像滤波的跨模态人脸合成 | 第15-22页 |
| 2.1 基于KNN的基准算法 | 第15-16页 |
| 2.2 基于引导图像滤波的细节增强算法 | 第16-19页 |
| 2.2.1 引导图像滤波 | 第17-18页 |
| 2.2.2 使用引导图像滤波增强细节 | 第18-19页 |
| 2.3 实验结果 | 第19-21页 |
| 2.3.1 基于CUHK数据集的实验 | 第19-21页 |
| 2.3.2 可见光-近红外人脸图像合成 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 面向素描图的人脸特征点检测 | 第22-29页 |
| 3.1 基于LBF级联回归面部特征点检测 | 第22-25页 |
| 3.1.1 一般级联回归的面部特征点检测 | 第22-23页 |
| 3.1.2 基于LBF的素描图像面部特征点检测 | 第23-25页 |
| 3.2 基于核函数的算法改进 | 第25-27页 |
| 3.3 实验结果 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 基于对齐训练集改善结构化跨模态人脸合成 | 第29-38页 |
| 4.1 结构化细节增强跨模态人脸合成 | 第29-32页 |
| 4.1.1 初始人脸合成结果构建 | 第29-31页 |
| 4.1.2 最终人脸合成结果构建 | 第31-32页 |
| 4.2 基于对齐训练集改善合成结果 | 第32-36页 |
| 4.2.1 结构化细节增强算法缺点及原因 | 第32-35页 |
| 4.2.2 数据预处理 | 第35页 |
| 4.2.3 训练集对齐 | 第35-36页 |
| 4.3 实验结果 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 基于卷积神经网络的跨模态人脸合成 | 第38-50页 |
| 5.1 基于全卷积网络的人脸素描生成 | 第38-39页 |
| 5.2 基于对齐数据集精调网络 | 第39-40页 |
| 5.3 FCN与ALIGN_FCN算法实验对比 | 第40-41页 |
| 5.4 方法对比 | 第41-48页 |
| 5.4.1 质量对比 | 第44-46页 |
| 5.4.2 速度对比 | 第46-47页 |
| 5.4.3 性能对比 | 第47-48页 |
| 5.5 本章小结 | 第48-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第56-58页 |
| 致谢 | 第58页 |
