| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-14页 |
| 1.1 研究背景和研究意义 | 第11-12页 |
| 1.2 研究内容 | 第12-13页 |
| 1.3 论文组织结构 | 第13-14页 |
| 第二章 人脸检测算法概述 | 第14-29页 |
| 2.1 基于Viola-Jones的人脸检测算法 | 第14-18页 |
| 2.1.1 Haar-like特征与积分图 | 第14-15页 |
| 2.1.2 AdaBoost算法 | 第15-17页 |
| 2.1.3 级联结构 | 第17-18页 |
| 2.2 基于DPM的人脸检测算法 | 第18-23页 |
| 2.2.1 HOG特征 | 第18-20页 |
| 2.2.2 检测过程 | 第20-21页 |
| 2.2.3 SVM | 第21-23页 |
| 2.3 基于深度学习的人脸检测算法 | 第23-29页 |
| 2.3.1 神经网络 | 第23-25页 |
| 2.3.2 深度学习 | 第25-26页 |
| 2.3.3 卷积神经网络 | 第26-27页 |
| 2.3.4 基于深度学习的人脸检测 | 第27-29页 |
| 第三章 基于深度学习的人脸检测系统框架 | 第29-39页 |
| 3.1 深度学习框架caffe | 第30页 |
| 3.2 低级提取网络(L1-Net) | 第30-32页 |
| 3.3 低级校正网络(L2-Net) | 第32-33页 |
| 3.4 中级过滤网络(M1-Net) | 第33-34页 |
| 3.5 中级校正网络(M2-Net) | 第34-35页 |
| 3.6 高级分类加回归网络(H-Net) | 第35-36页 |
| 3.7 系统用到的其他策略 | 第36-38页 |
| 3.7.1 非极大值抑制NMS | 第37页 |
| 3.7.2 PReLU激活函数 | 第37-38页 |
| 3.8 本章小结 | 第38-39页 |
| 第四章 基于深度学习的人脸检测系统的训练 | 第39-49页 |
| 4.1 训练数据集 | 第39-40页 |
| 4.2 数据集的增强处理 | 第40-42页 |
| 4.2.1 模糊增强方法 | 第40-41页 |
| 4.2.2 加噪声增强方法 | 第41页 |
| 4.2.3 其他增强方法 | 第41-42页 |
| 4.3 训练过程 | 第42-46页 |
| 4.3.1 数据预处理 | 第42-43页 |
| 4.3.2 反向传播算法 | 第43-45页 |
| 4.3.3 学习率、Momentum、Fine-tune与Dropout | 第45-46页 |
| 4.4 每个网络的训练输入 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 实验结果及分析 | 第49-55页 |
| 5.1 测试数据 | 第50页 |
| 5.2 实验结果 | 第50-53页 |
| 5.2.1 在FDDB数据集上结果 | 第50-51页 |
| 5.2.2 在AFW数据集上结果 | 第51-52页 |
| 5.2.3 每一层网络的结果 | 第52-53页 |
| 5.3 时间效率与模型大小 | 第53-54页 |
| 5.3.1 时间效率 | 第53-54页 |
| 5.3.2 模型大小 | 第54页 |
| 5.4 本章总结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 6.1 论文工作总结 | 第55页 |
| 6.2 不足与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 论文使用缩写说明 | 第59-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |