| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 选题背景和意义 | 第10-11页 |
| 1.2 人脸特征点定位问题提出 | 第11-14页 |
| 1.3 主要工作内容及论文结构安排 | 第14-16页 |
| 2 人脸特征点定位常用方法 | 第16-30页 |
| 2.1 传统的人脸特征点定位算法 | 第16-19页 |
| 2.1.1 ASM算法 | 第16-18页 |
| 2.1.2 AAM算法 | 第18-19页 |
| 2.2 级联形状回归的方法 | 第19-25页 |
| 2.2.1 回归模型 | 第19-22页 |
| 2.2.2 基于级联形状回归的人脸特征点定位方法 | 第22-25页 |
| 2.3 基于深度学习的方法 | 第25-29页 |
| 2.3.1 深度学习的基本思想 | 第25-26页 |
| 2.3.2 深度学习的常用模型 | 第26-28页 |
| 2.3.3 基于深度学习的人脸特征点定位方法 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于深度卷积神经网络的人脸检测 | 第30-46页 |
| 3.1 卷积神经网络 | 第30-35页 |
| 3.1.1 卷积神经网络的网络结构及特点 | 第30-34页 |
| 3.1.2 卷积神经网络的训练过程 | 第34-35页 |
| 3.2 卷积神经网络方法的人脸检测 | 第35-39页 |
| 3.2.1 改进的选择性搜索算法 | 第35-38页 |
| 3.2.2 改进的Alexnet卷积神经网络模型 | 第38页 |
| 3.2.3 基于改进选择性搜索算法和改进Alexnet网络的人脸检测 | 第38-39页 |
| 3.3 实验结果与分析 | 第39-45页 |
| 3.3.1 训练集的选取及性能评价指标 | 第39-41页 |
| 3.3.2 实验设置 | 第41-42页 |
| 3.3.3 结果及分析 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于级联深度卷积神经网络方法的人脸特征点定位 | 第46-58页 |
| 4.1 级联算法的整体流程框架 | 第46-47页 |
| 4.2 人脸特征点定位层网络设计 | 第47-50页 |
| 4.3 实验结果及分析 | 第50-57页 |
| 4.3.1 训练集选取及性能评价指标 | 第50-52页 |
| 4.3.2 实验设置 | 第52-53页 |
| 4.3.3 结果及分析 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 基于多任务深度卷积神经网络的人脸特征点定位 | 第58-70页 |
| 5.1 多任务学习 | 第58-60页 |
| 5.2 多任务学习卷积神经网络及其损失函数 | 第60-62页 |
| 5.3 两种人脸特征点定位的多任务卷积神经网络 | 第62-64页 |
| 5.3.1 多任务模型一：Our Multi-task Method 1 | 第62-63页 |
| 5.3.2 多任务模型二：Our Multi-task Method 2 | 第63-64页 |
| 5.4 实验结果及分析 | 第64-69页 |
| 5.4.1 实验设置 | 第64页 |
| 5.4.2 实验数据及相关细节 | 第64-65页 |
| 5.4.3 结果及分析 | 第65-69页 |
| 5.5 本章小结 | 第69-70页 |
| 总结 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间发表的学术论文目录 | 第78-80页 |
