| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 论文主要研究内容及组织结构 | 第16-18页 |
| 第二章 相关理论介绍 | 第18-35页 |
| 2.1 人脸检测概述 | 第18-21页 |
| 2.1.1 算法框架 | 第18-19页 |
| 2.1.2 人脸库及测评评价标准 | 第19-21页 |
| 2.2 人工神经网络 | 第21-23页 |
| 2.3 卷积神经网络 | 第23-27页 |
| 2.3.1 卷积层 | 第24-25页 |
| 2.3.2 ReLU层 | 第25-26页 |
| 2.3.3 池化层 | 第26-27页 |
| 2.3.4 全连接层 | 第27页 |
| 2.4 人脸检测相关算法介绍 | 第27-34页 |
| 2.4.1 VJ人脸检测器 | 第27-29页 |
| 2.4.2 级联网络人脸检测算法 | 第29-31页 |
| 2.4.3 区域推荐(Region Proposal)算法 | 第31-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于级联卷积神经网络的人脸检测算法设计 | 第35-52页 |
| 3.1 总体设计 | 第35-36页 |
| 3.2 网络数据结构 | 第36-40页 |
| 3.3 级联网络设计 | 第40-48页 |
| 3.3.1 人脸候选区域网络设计 | 第40-43页 |
| 3.3.2 强化网络设计 | 第43-45页 |
| 3.3.3 输出网络设计 | 第45-48页 |
| 3.4 损失函数 | 第48-51页 |
| 3.4.1 损失函数概述 | 第48页 |
| 3.4.2 损失函数 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 难分负样本挖掘及多任务学习实现 | 第52-61页 |
| 4.1 难分负样本挖掘实现 | 第52-55页 |
| 4.1.1 难分负样本挖掘概述 | 第52-53页 |
| 4.1.2 难分负样本挖掘实现 | 第53-55页 |
| 4.2 多任务学习实现 | 第55-60页 |
| 4.2.1 多任务学习概述 | 第55-56页 |
| 4.2.2 多任务学习实现 | 第56-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第五章 实验结果 | 第61-76页 |
| 5.1 实验环境搭建 | 第61-62页 |
| 5.2 实验数据处理 | 第62-67页 |
| 5.3 级联网络训练 | 第67-69页 |
| 5.4 实验结果 | 第69-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-79页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 硕士期间发表学术论文情况 | 第83-84页 |
| 致谢 | 第84-85页 |