| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 人脸检测研究现状 | 第11-13页 |
| 1.2.1 早期基于CNN的方法 | 第11-12页 |
| 1.2.2 基于手工特征的方法 | 第12页 |
| 1.2.3 现代基于CNN的方法 | 第12-13页 |
| 1.3 本文主要工作及组织结构 | 第13-14页 |
| 第二章 深度学习算法 | 第14-29页 |
| 2.1 引言 | 第14页 |
| 2.2 人脸检测流程 | 第14-15页 |
| 2.3 神经网络传播算法 | 第15-21页 |
| 2.3.1 基本神经元简介 | 第15-17页 |
| 2.3.2 神经网络前向传播 | 第17-18页 |
| 2.3.3 反向传播算法 | 第18-21页 |
| 2.4 深度卷积特征提取 | 第21-28页 |
| 2.4.1 卷积特征提取 | 第22-24页 |
| 2.4.2 池化特征提取 | 第24-25页 |
| 2.4.3 激活函数 | 第25-27页 |
| 2.4.4 损失函数 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于卷积神经网络的人脸检测 | 第29-51页 |
| 3.1 引言 | 第29页 |
| 3.2 候选框生成算法 | 第29-35页 |
| 3.2.1 滑窗算法 | 第29-31页 |
| 3.2.2 选择性搜索算法 | 第31-32页 |
| 3.2.3 Edge boxes算法 | 第32-34页 |
| 3.2.4 锚方法 | 第34-35页 |
| 3.3 Faster R-CNN人脸检测网络 | 第35-40页 |
| 3.3.1 Faster R-CNN框架 | 第35-36页 |
| 3.3.2 RPN | 第36-37页 |
| 3.3.3 Fast R-CNN | 第37-38页 |
| 3.3.4 Faster RCNN训练与测试 | 第38-40页 |
| 3.4 联合人脸检测和对齐的级联卷积神经网络 | 第40-43页 |
| 3.4.1 网络框架 | 第40-42页 |
| 3.4.2 人脸检测和对齐的联合训练 | 第42-43页 |
| 3.5 实验结果与对比分析 | 第43-50页 |
| 3.5.1 评价标准与测试集介绍 | 第43-47页 |
| 3.5.2 CelebA人脸检测数据集结果与分析 | 第47-48页 |
| 3.5.3 WIDER FACE人脸检测数据集结果与分析 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 快速级联卷积神经网络的人脸检测 | 第51-76页 |
| 4.1 引言 | 第51页 |
| 4.2 卷积层池化层反向传播 | 第51-55页 |
| 4.3 级联卷积神经网络共享训练算法 | 第55-59页 |
| 4.4 身体上下文信息的整合 | 第59-61页 |
| 4.5 快速级联卷积神经网络的人脸检测 | 第61-67页 |
| 4.5.1 快速级联卷积神经网络模型 | 第62-63页 |
| 4.5.2 检测小面孔 | 第63-64页 |
| 4.5.3 L2归一化 | 第64-65页 |
| 4.5.4 网络训练与测试 | 第65-67页 |
| 4.6 实验结果对比与分析 | 第67-75页 |
| 4.7 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 本文工作总结 | 第76-77页 |
| 5.2 后期工作展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |