基于GPU的人脸定位算法研发与优化
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第12-20页 |
| 1.1 课题背景和意义 | 第12-13页 |
| 1.2 人脸定位简介 | 第13-17页 |
| 1.2.1 人脸定位应用现状 | 第13-14页 |
| 1.2.2 人脸定位相关技术研究现状 | 第14-16页 |
| 1.2.3 人脸定位相关评价标准 | 第16-17页 |
| 1.3 GPU并行优化简介 | 第17-18页 |
| 1.4 本论文组织结构 | 第18-20页 |
| 1.4.1 本文主要工作 | 第18页 |
| 1.4.2 本文章节安排 | 第18-20页 |
| 2 人脸定位相关技术 | 第20-31页 |
| 2.1 人脸定位的应用流程 | 第20-21页 |
| 2.2 人脸检测算法综述 | 第21-26页 |
| 2.2.1 基于Boosting的人脸检测 | 第21-23页 |
| 2.2.2 基于可变形部件的人脸检测 | 第23-25页 |
| 2.2.3 基于卷积神经网络的人脸检测 | 第25-26页 |
| 2.3 人脸关键点定位算法综述 | 第26-29页 |
| 2.3.1 基于ASM的关键点定位 | 第26-27页 |
| 2.3.2 基于模型的关键点定位 | 第27-28页 |
| 2.3.3 基于回归的关键点定位 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 3 基于形状索引特征的联合人脸定位 | 第31-47页 |
| 3.1 基于形状索引特征的联合层叠模型 | 第31-33页 |
| 3.1.1 形状索引特征 | 第31-32页 |
| 3.1.2 联合层叠模型 | 第32-33页 |
| 3.2 基于形状索引特征的联合人脸定位算法研发 | 第33-42页 |
| 3.2.1 形状索引特征提取 | 第33-37页 |
| 3.2.2 联合人脸定位算法训练流程 | 第37-40页 |
| 3.2.3 联合人脸定位算法检测流程 | 第40-42页 |
| 3.3 实验与结果分析 | 第42-46页 |
| 3.3.1 正确性测试 | 第43-44页 |
| 3.3.2 时间效率测试 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 4 基于CUDA的联合人脸定位算法 | 第47-68页 |
| 4.1 CUDA概述 | 第47-50页 |
| 4.1.1 CUDA软件体系 | 第47-48页 |
| 4.1.2 CUDA编程模型 | 第48-49页 |
| 4.1.3 CUDA存储器模型 | 第49-50页 |
| 4.2 联合人脸定位算法训练过程优化 | 第50-59页 |
| 4.2.1 多通道形状索引特征提取 | 第51-52页 |
| 4.2.2 分类回归树训练优化 | 第52-59页 |
| 4.3 联合人脸定位算法检测过程加速 | 第59-64页 |
| 4.3.1 人脸定位算法优化分析 | 第59-60页 |
| 4.3.2 扫描窗口并行计算实现 | 第60-62页 |
| 4.3.3 存储器优化 | 第62-63页 |
| 4.3.4 GPU优化的检测过程 | 第63-64页 |
| 4.4 实验及结果分析 | 第64-67页 |
| 4.4.1 正确性测试 | 第64-65页 |
| 4.4.2 时间效率测试 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 5 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
