基于多核学习的人脸检测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·MKL 研究现状 | 第11-12页 |
| ·人脸检测技术研究现状 | 第12-14页 |
| ·本文研究重点和结构安排 | 第14-15页 |
| 2 多核学习理论 | 第15-27页 |
| ·机器学习 | 第15-16页 |
| ·二分类支持向量机 | 第16-20页 |
| ·二类线性可分支持向量机 | 第17-18页 |
| ·二类线性不可分支持向量机 | 第18-20页 |
| ·核方法 | 第20-23页 |
| ·核方法的引入 | 第20-23页 |
| ·核函数的类型 | 第23页 |
| ·多核学习理论 | 第23-26页 |
| ·多核学习的引入 | 第23-25页 |
| ·多核支持向量机 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 混合范数多核学习 | 第27-34页 |
| ·范数的概念 | 第27页 |
| ·MNMKL 基本框架 | 第27-30页 |
| ·MNMKL 的几何分析 | 第30-31页 |
| ·MNMKL 求解算法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于 MNMKL 人脸检测方法 | 第34-43页 |
| ·人脸检测基本思想 | 第34-37页 |
| ·人脸检测分类 | 第34-35页 |
| ·人脸检测方法 | 第35-36页 |
| ·影响人脸检测精度的因素 | 第36-37页 |
| ·SIFT | 第37-41页 |
| ·SIFT 特征向量生成 | 第37-40页 |
| ·SIFT 描述子生成 | 第40-41页 |
| ·基于 MNMKL 的人脸检测方法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 基于多核多特征人脸检测方法 | 第43-54页 |
| ·引言 | 第43-44页 |
| ·特征提取 | 第44-47页 |
| ·LBP 特征 | 第44-46页 |
| ·RGB 颜色特征 | 第46-47页 |
| ·特征组合 | 第47-50页 |
| ·特征组合概念 | 第47-48页 |
| ·特征组合方法 | 第48-50页 |
| ·基于 MKMF 人脸检测方法 | 第50-52页 |
| ·人脸图像多特征组合 | 第50-51页 |
| ·MKMF 人脸检测算法 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 6 仿真实验及结果分析 | 第54-59页 |
| ·人脸图像数据库 | 第54-55页 |
| ·Caltech 101 数据集 | 第54-55页 |
| ·MIT-CBC 人脸数据库 | 第55页 |
| ·仿真实验及结果分析 | 第55-58页 |
| ·混合范数多核学习 | 第55页 |
| ·基于 MNMKL 人脸检测 | 第55-57页 |
| ·基于 MKMF 人脸检测 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 7 总结与展望 | 第59-61页 |
| ·本文所做工作总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-66页 |
| 致谢 | 第66页 |
