复杂光照条件下的人脸检测方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 人脸检测研究现状 | 第13-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第2章 相关技术概述 | 第17-30页 |
| 2.1 卷积神经网络 | 第17-19页 |
| 2.2 基于卷积神经网络的检测算法 | 第19-29页 |
| 2.2.1 CascadeCNN | 第19-22页 |
| 2.2.2 FasterR-CNN | 第22-24页 |
| 2.2.3 YOLO | 第24-26页 |
| 2.2.4 SSD | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 复杂光照下数据集的构建与增强技术 | 第30-47页 |
| 3.1 常用人脸数据集介绍 | 第30-31页 |
| 3.2 复杂光照图像筛选算法 | 第31-38页 |
| 3.3 复杂光照下人脸数据集的构建 | 第38-39页 |
| 3.4 复杂光照下数据增强技术 | 第39-42页 |
| 3.5 实验与结果分析 | 第42-46页 |
| 3.5.1 复杂光照图像筛选实验 | 第42-43页 |
| 3.5.2 人脸检测算法与评价指标 | 第43-44页 |
| 3.5.3 复杂光照下数据增强技术实验 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 面向复杂光照的人脸检测算法 | 第47-60页 |
| 4.1 问题提出与分析 | 第47-48页 |
| 4.2 算法整体架构 | 第48-50页 |
| 4.3 算法具体细节 | 第50-55页 |
| 4.3.1 激活函数 | 第50-51页 |
| 4.3.2 特征融合模块 | 第51-53页 |
| 4.3.3 检测阶段的处理 | 第53-55页 |
| 4.4 实验结果及分析 | 第55-59页 |
| 4.4.1 融合层实验 | 第55-56页 |
| 4.4.2 复杂光照人脸检测算法实验 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60-61页 |
| 5.2 未来展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
