面向视频人脸检测的深度学习算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 基于传统方法的视频人脸检测 | 第11-15页 |
| 1.2.2 基于连续性的视频人脸检测 | 第15-16页 |
| 1.3 本文的主要工作及章节安排 | 第16-18页 |
| 第2章 神经网络与深度学习 | 第18-24页 |
| 2.1 概述 | 第18-19页 |
| 2.2 深度学习研究现状 | 第19-22页 |
| 2.2.1 深度置信网络 | 第19-21页 |
| 2.2.2 卷积神经网络 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第3章 基于视频单帧的人脸检测算法 | 第24-40页 |
| 3.1 引言 | 第24页 |
| 3.2 受限玻尔兹曼机及其改进 | 第24-26页 |
| 3.2.1 受限玻尔兹曼机 | 第24-25页 |
| 3.2.2 概率态受限玻尔兹曼机 | 第25-26页 |
| 3.3 级联型P-RBM深度学习检测网络 | 第26-32页 |
| 3.3.1 级联型P-RBM训练 | 第27-30页 |
| 3.3.2 分类层训练 | 第30-31页 |
| 3.3.3 整体优化 | 第31-32页 |
| 3.4 基于视频单帧的人脸检测 | 第32-33页 |
| 3.5 实验与分析 | 第33-39页 |
| 3.5.1 输入图片大小设置 | 第33-34页 |
| 3.5.2 单人脸的算法性能测试 | 第34-35页 |
| 3.5.3 多人脸的算法性能测试 | 第35-38页 |
| 3.5.4 旋转人脸检测性能测试 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 多帧间信息融合的视频人脸检测算法 | 第40-55页 |
| 4.1 引言 | 第40页 |
| 4.2 多帧间信息的融合 | 第40-44页 |
| 4.2.1 连续性信息的选取 | 第41-42页 |
| 4.2.2 融合前后帧检测信息的视频人脸检测 | 第42-44页 |
| 4.3 实验与分析 | 第44-54页 |
| 4.3.1 不同数据集算法性能测试 | 第45-52页 |
| 4.3.2 视频帧间隔数和比较间距测试 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 研究内容总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
