基于深度学习的人脸检测技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要工作 | 第10页 |
| 1.4 论文组织结构 | 第10-12页 |
| 2 深度学习与人脸检测概述 | 第12-26页 |
| 2.1 深度学习概述 | 第12-13页 |
| 2.2 卷积神经网络 | 第13-20页 |
| 2.2.2 激活函数 | 第16-19页 |
| 2.2.3 权重初始化 | 第19页 |
| 2.2.4 正则化 | 第19-20页 |
| 2.3 人脸检测介绍 | 第20-23页 |
| 2.3.1 人脸检测流程 | 第20-21页 |
| 2.3.2 候选框生成技术 | 第21-23页 |
| 2.4 人脸检测算法分类 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 3 基于AdaBoost的人脸检测算法 | 第26-38页 |
| 3.1 AdaBoost人脸检测算法介绍 | 第26-33页 |
| 3.1.1 Haar-like特征 | 第26-28页 |
| 3.1.2 积分图 | 第28-29页 |
| 3.1.3 AdaBoost训练算法原理 | 第29-30页 |
| 3.1.4 级联分类器 | 第30-33页 |
| 3.2 AdaBoost人脸检测算法实现过程 | 第33-36页 |
| 3.2.1 利用OpenCV进行人脸检测 | 第33-35页 |
| 3.2.2 实验结果 | 第35-36页 |
| 3.3 本章小结 | 第36-38页 |
| 4 基于深度学习的人脸检测 | 第38-51页 |
| 4.1 深度学习框架Caffe | 第38-41页 |
| 4.2 卷积神经网络模型之AlexNet | 第41-43页 |
| 4.3 模型训练过程 | 第43-48页 |
| 4.3.1 实验环境配置 | 第43-44页 |
| 4.3.2 训练数据处理 | 第44-46页 |
| 4.3.3 模型参数调整 | 第46-47页 |
| 4.3.4 模型训练结果 | 第47-48页 |
| 4.4 实验结果对比与分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
