| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 人眼视觉估计的国内外发展现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 第2章 残差网络算法基础 | 第14-21页 |
| 2.1 残差网络基础理论 | 第14-19页 |
| 2.1.1 卷积层 | 第14-15页 |
| 2.1.2 池化层 | 第15页 |
| 2.1.3 全连接层 | 第15-16页 |
| 2.1.4 激活函数 | 第16-18页 |
| 2.1.5 损失函数 | 第18-19页 |
| 2.2 残差网络的算法结构 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 人眼定位算法设计 | 第21-29页 |
| 3.1 Kaggle人脸训练数据集 | 第21-24页 |
| 3.1.1 数据预处理 | 第22页 |
| 3.1.2 数据增广方法 | 第22-24页 |
| 3.1.3 图像去噪 | 第24页 |
| 3.2 基于残差网络的人眼定位算法设计 | 第24-28页 |
| 3.2.1 基于残差网络的人眼定位算法结构 | 第24-26页 |
| 3.2.2 基于残差网络的人眼定位算法学习率选择 | 第26-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 人眼视觉估计算法设计 | 第29-52页 |
| 4.1 MPIIGaze人眼训练数据集 | 第29-31页 |
| 4.2 基于深度残差的人眼视觉估计算法设计 | 第31-45页 |
| 4.2.1 基于损失函数改进的人眼视觉估计算法设计 | 第35-39页 |
| 4.2.2 基于资格迹改进的人眼视觉估计算法设计 | 第39-43页 |
| 4.2.3 人眼视觉估计算法的优越性能分析 | 第43-45页 |
| 4.3 基于残差网络的人眼视觉估计系统系统测试 | 第45-51页 |
| 4.3.1 基于残差网络的人眼视觉估计系统构成 | 第45页 |
| 4.3.2 人眼视觉估计系统的特征提取 | 第45-48页 |
| 4.3.3 人眼视觉估计系统的实现 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间发表的学术成果 | 第56-57页 |
| 致谢 | 第57页 |