首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于卷积神经网络的多视角人脸检测研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-17页
    1.1 研究背景及意义第9-10页
    1.2 人脸检测技术的研究现状与发展第10-15页
        1.2.1 人脸检测技术的国内外现状第10-11页
        1.2.2 人脸检测方法概述第11-14页
        1.2.3 人脸识别算法的一般流程与存在难点第14-15页
        1.2.4 多视角人脸检测技术概述第15页
    1.3 研究内容及结构安排第15-17页
第2章 人脸检测相关技术描述第17-28页
    2.1 神经网络基本原理简介第17页
    2.2 神经元和神经网络介绍第17-19页
    2.3 卷积神经网络的网络模型介绍第19-27页
        2.3.1 卷积层第19-21页
        2.3.2 局部感知与权值共享第21-23页
        2.3.3 激活函数第23-25页
        2.3.4 池化层第25-26页
        2.3.5 Softmax回归分类器第26-27页
    2.4 本章小结第27-28页
第3章 多视角模型的构建第28-37页
    3.1 引言第28页
    3.2 人脸头部姿态估计概述第28-29页
    3.3 基于Candide-3的人脸姿态估计模型第29-34页
        3.3.1 Candide-3简介第29-31页
        3.3.2 Candide-3标准模型的改进第31-32页
        3.3.3 基于人脸特征三角形的姿态确定第32-33页
        3.3.4 人脸姿态检测的实现第33-34页
    3.4 实验结果分析第34-36页
    3.5 本章小结第36-37页
第4章 基于卷积神经网络的多视角人脸检测第37-50页
    4.1 引言第37页
    4.2 卷积神经网络模型构建第37-40页
        4.2.1 卷积神经网络模型的选取第37-40页
    4.3 基于卷积神经网络的多视角人脸检测框架第40-41页
    4.4 基于非极大值抑制算法的多窗口融合第41-42页
        4.4.1 非极大值抑制算法(NMS)原理第41-42页
        4.4.2 NMS实际应用的检测实现第42页
    4.5 实验数据获取及预处理第42-44页
        4.5.1 实验数据库选取第42-43页
        4.5.2 数据预处理第43-44页
    4.6 实验环境、实验及检测结果分析第44-49页
        4.6.1 实验环境配置信息第44-45页
        4.6.2 基于多视角人脸检测的实验、实验结果与分析第45-49页
    4.7 本章小结第49-50页
第5章 总结与展望第50-52页
    5.1 全文总结第50页
    5.2 展望第50-52页
参考文献第52-56页
致谢第56-57页
附录研究生期间发表的论文与研究成果第57页

论文共57页,点击 下载论文
上一篇:免标记的G-四链体荧光传感器的构建及对DNA和miRNA的研究
下一篇:基于预测的动态多目标进化算法的研究