基于卷积神经网络的人脸检测和性别识别研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-16页 |
| 1.1 人脸检测问题的研究现状 | 第8-11页 |
| 1.1.1 基于知识的方法 | 第9页 |
| 1.1.2 特征不变的方法 | 第9-10页 |
| 1.1.3 模板匹配方法 | 第10页 |
| 1.1.4 基于外观的方法 | 第10-11页 |
| 1.2 人脸性别问题的研究现状 | 第11-12页 |
| 1.3 卷积神经网络 | 第12-13页 |
| 1.4 常用的人脸数据库 | 第13-14页 |
| 1.5 论文的组织结构 | 第14-16页 |
| 2 卷积神经网络理论 | 第16-31页 |
| 2.1 卷积神经网络的特点 | 第16-17页 |
| 2.2 卷积神经网络的拓扑结构 | 第17-19页 |
| 2.3 卷积神经网络理论推导 | 第19-25页 |
| 2.3.1 神经元 | 第19-20页 |
| 2.3.2 前向传播 | 第20-21页 |
| 2.3.3 反向传播 | 第21-22页 |
| 2.3.4 卷积层的梯度计算 | 第22-23页 |
| 2.3.5 下采样层的梯度计算 | 第23-24页 |
| 2.3.6 特征图的组合 | 第24-25页 |
| 2.4 卷积层的学习 | 第25-27页 |
| 2.5 下采样层的学习 | 第27-29页 |
| 2.6 本章小结 | 第29-31页 |
| 3 基于卷积神经网络的人脸检测研究 | 第31-49页 |
| 3.1 Viola-Jones人脸检测算法 | 第31-35页 |
| 3.1.1 积分图 | 第31-32页 |
| 3.1.2 AdaBoost学习 | 第32-34页 |
| 3.1.3 分类器级联 | 第34-35页 |
| 3.2 基于卷积神经网络的人脸检测算法 | 第35-44页 |
| 3.2.1 卷积神经网络的拓扑结构 | 第36-39页 |
| 3.2.2 训练方法 | 第39-42页 |
| 3.2.3 人脸定位 | 第42-44页 |
| 3.3 实验结果及其分析 | 第44-48页 |
| 3.3.1 实验数据 | 第44页 |
| 3.3.2 实验结果及其分析 | 第44-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 基于卷积神经网络的人脸性别识别 | 第49-56页 |
| 4.1 基于神经网路的性别识别方法 | 第49-50页 |
| 4.2 人脸性别识别采用的卷积神经网络结构 | 第50-51页 |
| 4.3 实验及其分析 | 第51-54页 |
| 4.3.1 实验数据 | 第51-52页 |
| 4.3.2 正面人脸的识别 | 第52-53页 |
| 4.3.3 侧面人脸的识别 | 第53页 |
| 4.3.4 不同模型上的测试 | 第53-54页 |
| 4.3.5 遮挡实验 | 第54页 |
| 4.4 本章小结 | 第54-56页 |
| 5. 总结和展望 | 第56-58页 |
| 5.1 论文总结 | 第56页 |
| 5.2 未来工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |
