基于全卷积神经网络的人脸检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 国内外研究现状及存在的问题 | 第15-18页 |
| 1.2.1 人脸检测技术 | 第15-16页 |
| 1.2.2 人脸检测算法分类 | 第16-17页 |
| 1.2.3 存在的问题 | 第17-18页 |
| 1.3 本文的主要工作和创新点 | 第18-19页 |
| 1.4 本文的结构安排 | 第19-21页 |
| 第二章 相关背景知识介绍 | 第21-33页 |
| 2.1 深度学习 | 第21-27页 |
| 2.1.1 浅层学习与深度学习 | 第21-23页 |
| 2.1.2 感知机与反向传播算法 | 第23-25页 |
| 2.1.3 卷积神经网络 | 第25-27页 |
| 2.2 基于深度学习的人脸检测方法 | 第27-29页 |
| 2.2.1 基于候选框的人脸检测方法 | 第27-29页 |
| 2.2.2 直接回归的人脸检测方法 | 第29页 |
| 2.3 常用人脸检测数据集及评价指标 | 第29-32页 |
| 2.3.1 常用人脸检测数据集 | 第29-31页 |
| 2.3.2 人脸检测评价指标 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 一种全卷积神经网络人脸检测算法 | 第33-51页 |
| 3.1 引言 | 第33-34页 |
| 3.2 相关工作 | 第34-35页 |
| 3.3 方法 | 第35-42页 |
| 3.3.1 训练标签 | 第36-37页 |
| 3.3.2 网络结构 | 第37-39页 |
| 3.3.3 损失函数 | 第39-42页 |
| 3.4 基于加权的非极大值抑制算法 | 第42-44页 |
| 3.5 实验 | 第44-49页 |
| 3.5.1. 实验数据与实验设置 | 第44-45页 |
| 3.5.2. 实验结果与分析 | 第45-47页 |
| 3.5.3. 方法对比 | 第47-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第四章 基于局部和全局特征融合的人脸检测算法 | 第51-65页 |
| 4.1 引言 | 第51-52页 |
| 4.2 相关工作 | 第52-53页 |
| 4.3 网络结构 | 第53-55页 |
| 4.3.1 特征提取网络 | 第53-54页 |
| 4.3.2 局部上下文信息融合模块 | 第54页 |
| 4.3.3 全局特征融合模块 | 第54-55页 |
| 4.3.4 检测模块 | 第55页 |
| 4.4 自适应样本采样 | 第55-58页 |
| 4.4.1 损失函数 | 第55-56页 |
| 4.4.2 尺度相关的正样本采样策略 | 第56-57页 |
| 4.4.3 难分样本挖掘 | 第57-58页 |
| 4.5 实验 | 第58-63页 |
| 4.5.1. 实验数据与实验设置 | 第58-59页 |
| 4.5.2. 实验结果与分析 | 第59-61页 |
| 4.5.3. 方法对比 | 第61-63页 |
| 4.6 本章小结 | 第63-65页 |
| 第五章 总结和展望 | 第65-67页 |
| 5.1 本文总结 | 第65-66页 |
| 5.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-75页 |
| 附录 攻读硕士期间发表的论文 | 第75-77页 |
| 致谢 | 第77页 |
