| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 人脸特征点检测算法的发展与研究现状 | 第14-20页 |
| 1.2.1 基于生成模型的方法 | 第15-17页 |
| 1.2.2 基于辨别模型的方法 | 第17-19页 |
| 1.2.3 国内研究现状 | 第19-20页 |
| 1.3 本文主要研究内容 | 第20页 |
| 1.4 本文组织架构 | 第20-22页 |
| 第二章 人脸对齐特征点检测算法的理论基础 | 第22-32页 |
| 2.1 人脸特征点估计问题介绍与描述 | 第22-23页 |
| 2.2 传统特征点检测算法 | 第23-27页 |
| 2.2.1 基本主动外观模型算法 | 第23-25页 |
| 2.2.2 基本约束局部模型算法 | 第25-27页 |
| 2.3 卷积神经网络 | 第27-30页 |
| 2.3.1 卷积神经网络的发展历史 | 第27-29页 |
| 2.3.2 卷积神经网络结构 | 第29-30页 |
| 2.4 人脸特征点检测算法的性能评价指标 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 用于5点人脸特征点检测的卷积神经网络检测算法 | 第32-46页 |
| 3.1 引言 | 第32-33页 |
| 3.2 网络描述 | 第33-37页 |
| 3.2.1 网络深度的提升 | 第33-34页 |
| 3.2.2 小型卷积滤波器 | 第34-35页 |
| 3.2.3 基于小滤波器的深卷积神经网络具体架构 | 第35-37页 |
| 3.3 实验 | 第37-44页 |
| 3.3.1 模型训练与评估指标 | 第38页 |
| 3.3.2 测试数据集 | 第38-39页 |
| 3.3.3 实验环境与参数设置 | 第39-40页 |
| 3.3.4 实验结果与分析 | 第40-44页 |
| 3.3.5 实验展示与分析 | 第44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 用于68点人脸特征点检测的卷积神经网络检测算法 | 第46-68页 |
| 4.1 引言 | 第46页 |
| 4.2 级联卷积神经网络介绍 | 第46-48页 |
| 4.2.1 级联回归 | 第46-47页 |
| 4.2.2 级联卷积神经网络 | 第47-48页 |
| 4.3 从整体到局部检测的级联卷积神经网络 | 第48-51页 |
| 4.4 网络实施细节 | 第51-53页 |
| 4.5 DCNNSF-CFC具体架构 | 第53-61页 |
| 4.5.1 人脸特征点初始化检测层 | 第53页 |
| 4.5.2 边界框估计层 | 第53-54页 |
| 4.5.3 人脸轮廓边界框预测 | 第54-56页 |
| 4.5.4 人脸轮廓点检测 | 第56-57页 |
| 4.5.5 人脸内部特征点边界框预测 | 第57-58页 |
| 4.5.6 人脸内部特征点检测 | 第58-59页 |
| 4.5.7 内部组件边界框估计层 | 第59-60页 |
| 4.5.8 内部组件特征点预测 | 第60页 |
| 4.5.9 人脸特征点输出层 | 第60-61页 |
| 4.6 实验 | 第61-67页 |
| 4.6.1 数据集 | 第61-62页 |
| 4.6.2 实验环境与参数设置 | 第62-63页 |
| 4.6.3 实验结果与分析 | 第63-65页 |
| 4.6.4 实验展示与分析 | 第65-67页 |
| 4.7 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-78页 |
| 硕士期间发表学术论文情况 | 第78-79页 |
| 致谢 | 第79-80页 |