| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究难点 | 第12-13页 |
| 1.3 研究内容和目标 | 第13页 |
| 1.4 文章组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 相关技术概述 | 第15-23页 |
| 2.1 主动形状模型Active Shape Model | 第15-17页 |
| 2.1.1 ASM模型建立 | 第16-17页 |
| 2.1.2 ASM迭代搜索 | 第17页 |
| 2.2 可变形部件模型Deformable Part Models | 第17-18页 |
| 2.3 基于回归的模型 | 第18-20页 |
| 2.4 基于神经网络的模型 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 深度学习 | 第23-36页 |
| 3.1 人工神经网络 | 第23-27页 |
| 3.1.1 人工神经元 | 第23-25页 |
| 3.1.2 人工神经网络结构 | 第25-27页 |
| 3.2 卷积神经网络 | 第27-32页 |
| 3.2.1 卷积操作 | 第27-28页 |
| 3.2.2 卷积网络常见操作层 | 第28-32页 |
| 3.3 反向传播算法 | 第32-33页 |
| 3.4 神经网络调参技巧 | 第33-35页 |
| 3.4.1 数据集扩增 | 第33-34页 |
| 3.4.2 数据预处理 | 第34页 |
| 3.4.3 网络结构 | 第34页 |
| 3.4.4 参数初始化和更新 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于LBF特征的级联回归人脸对齐算法 | 第36-44页 |
| 4.1 人脸对齐问题陈述和符号规范 | 第36页 |
| 4.2 基于LBF特征的级联回归算法 | 第36-38页 |
| 4.3 抽取LBF特征 | 第38-42页 |
| 4.3.1 Pixel Difference Feature | 第39页 |
| 4.3.2 创建随机森林 | 第39-41页 |
| 4.3.3 获得LBF特征 | 第41-42页 |
| 4.4 全局线性回归 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于卷积神经网络的人脸对齐算法 | 第44-50页 |
| 5.1 基于卷积神经网络的人脸检测算法框架 | 第44-45页 |
| 5.2 判断人脸朝向的卷积神经网络结构 | 第45-48页 |
| 5.2.1 人脸朝向的定义 | 第45-46页 |
| 5.2.2 人脸朝向数据集 | 第46页 |
| 5.2.3 卷积神经网络结构 | 第46-48页 |
| 5.3 基于LBF特征的级联回归器设置 | 第48-49页 |
| 5.4 算法应用拓展 | 第49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 实验结果 | 第50-63页 |
| 6.1 实验环境 | 第50页 |
| 6.2 数据集 | 第50-51页 |
| 6.3 人脸朝向实验结果与分析 | 第51-54页 |
| 6.3.1 评价标准 | 第51页 |
| 6.3.2 参数设置和训练方法 | 第51-52页 |
| 6.3.3 实验结果与分析 | 第52-54页 |
| 6.4 人脸关键点检测实验结果与分析 | 第54-60页 |
| 6.4.1 评价标准 | 第54页 |
| 6.4.2 参数设置和训练方法 | 第54-55页 |
| 6.4.3 实验结果与分析 | 第55-60页 |
| 6.5 人脸关键点检测结果展示 | 第60-62页 |
| 6.6 人脸关键点检测失败案例 | 第62页 |
| 6.7 本章小结 | 第62-63页 |
| 第7章 总结和展望 | 第63-65页 |
| 7.1 全文总结 | 第63页 |
| 7.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间的主要研究成果 | 第69-70页 |
| 致谢 | 第70页 |
