| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文的主要工作和内容安排 | 第14-17页 |
| 第二章 基于IB-Adaboost算法的人脸检测 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 基于IB-Adaboost的检测方法 | 第17页 |
| 2.2.1 IB-Adaboost算法架构 | 第17页 |
| 2.3 彩色图像的光照补偿方法 | 第17-18页 |
| 2.4 Adaboost算法概述 | 第18-21页 |
| 2.4.1 Boosting和Adaboost | 第18-19页 |
| 2.4.2 Haar-like特征 | 第19页 |
| 2.4.3 积分图 | 第19-20页 |
| 2.4.4 Adaboost分类器 | 第20-21页 |
| 2.5 YCbCr色彩空间的转换 | 第21页 |
| 2.6 图像膨胀 | 第21页 |
| 2.7 实验结果 | 第21-23页 |
| 2.8 总结 | 第23-25页 |
| 第三章 NPD特征空间的人脸检测 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 特征空间的归一化像素差（NPD） | 第25-30页 |
| 3.3 深二次树 | 第30-32页 |
| 3.4 实施细则 | 第32-33页 |
| 3.5 探测器加速 | 第33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于NPD-GAdaboost的人脸检测 | 第34-44页 |
| 4.1 引言 | 第34页 |
| 4.2 基于NPD-GAdaboost的人脸检测 | 第34-37页 |
| 4.3 检测结果 | 第37-40页 |
| 4.4 基于FDDB数据库的检测评估 | 第40-42页 |
| 4.5 基于GENKI数据库的评价 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 基于深度学习的人脸识别 | 第44-60页 |
| 5.1 引言 | 第44页 |
| 5.2 神经网络介绍 | 第44-45页 |
| 5.3 Deep Learning | 第45-46页 |
| 5.3.1 Deep Learning训练过程 | 第46页 |
| 5.4 Deep Learning的常用模型或者方法 | 第46-49页 |
| 5.4.1 Auto Encoder自动编码器 | 第46-47页 |
| 5.4.2 Sparse Coding稀疏编码 | 第47-48页 |
| 5.4.3 Restricted Boltzmann Machine (RBM)限制波尔兹曼机 | 第48页 |
| 5.4.4 Deep Belief Networks深信度网络 | 第48-49页 |
| 5.5 卷积神经网络 | 第49-51页 |
| 5.5.1 卷积神经网络的网络结构 | 第49-50页 |
| 5.5.2 局部感知 | 第50页 |
| 5.5.3 参数共享 | 第50页 |
| 5.5.4 多卷积核 | 第50-51页 |
| 5.5.5 Down-pooling | 第51页 |
| 5.6 DeepID网络结构 | 第51-53页 |
| 5.7 DeepID2 | 第53-54页 |
| 5.8 DeepID2+ | 第54-59页 |
| 5.8.1 网络结构变化 | 第54-55页 |
| 5.8.2 适度稀疏与二值化 | 第55-56页 |
| 5.8.3 遮挡鲁棒性 | 第56-58页 |
| 5.8.4 识别效果 | 第58-59页 |
| 5.9 本章小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 6.1 引言 | 第60页 |
| 6.2 本文工作总结 | 第60-61页 |
| 6.3 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间完成的学术成果 | 第69页 |
