| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 人脸特征点标注数据集 | 第11-13页 |
| 1.2.2 人脸2D特征点定位研究现状 | 第13页 |
| 1.2.3 人脸3DA-2D特征点定位研究现状 | 第13-14页 |
| 1.2.4 人脸特征点定位主要趋势和问题 | 第14-15页 |
| 1.3 本文主要研究内容及组织结构 | 第15-17页 |
| 第2章 人脸尺度自适应以及尺度选择的研究 | 第17-23页 |
| 2.1 人脸尺度的自适应变换 | 第17-19页 |
| 2.1.1 平均人脸的生成 | 第17-18页 |
| 2.1.2 任意人脸尺度在平均人脸下的自适应 | 第18-19页 |
| 2.2 人脸尺度的选择研究 | 第19-22页 |
| 2.2.1 基于人脸自适应的回归模型建立 | 第19-21页 |
| 2.2.2 不同尺度选择对回归模型的影响 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 基于随机小批量的级联回归方法 | 第23-38页 |
| 3.1 传统级联回归方法 | 第23-27页 |
| 3.1.1 特征描述子的选取 | 第23-24页 |
| 3.1.2 级联回归模型的本质及回归层数分析 | 第24-25页 |
| 3.1.3 传统级联回归模型的不足 | 第25-27页 |
| 3.2 随机小批量级联回归方法 | 第27-30页 |
| 3.2.1 随机小批量回归模型的建立 | 第27-29页 |
| 3.2.2 随机小批量回归模型的在线学习 | 第29-30页 |
| 3.3 随机小批量级联回归方法的性能分析 | 第30-37页 |
| 3.3.1 实验数据的选择及评价标准 | 第30-31页 |
| 3.3.2 不同级别的学习率研究分析 | 第31-32页 |
| 3.3.3 不同大小的小批量选择分析 | 第32-35页 |
| 3.3.4 噪音的敏感性分析 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于随机小批量级联回归的2D特征点定位 | 第38-44页 |
| 4.1 不同人脸检测框的初始人脸形状自适应生成 | 第38-40页 |
| 4.1.1 不同人脸检测框的自适应变换 | 第38-39页 |
| 4.1.2 初始人脸形状的自适应生成 | 第39-40页 |
| 4.2 实验及分析 | 第40-43页 |
| 4.2.1 不同人脸检测框下的对齐误差分析 | 第40-41页 |
| 4.2.2 与State-of-the-art方法的对比分析 | 第41-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 基于随机小批量和跨维度的3DA-2D特征点定位 | 第44-54页 |
| 5.1 基于跨维度标注的2D&3DA-2D特征点转换 | 第44-46页 |
| 5.1.1 2D和3DA-2D特征点转换模型的建立 | 第44-45页 |
| 5.1.2 2D和3DA-2D特征点间的相互转换 | 第45-46页 |
| 5.2 实验及分析 | 第46-53页 |
| 5.2.1 3DA-2D特征点定位 | 第47-52页 |
| 5.2.2 3DA-2D到2D特征点转换 | 第52-53页 |
| 5.3 本章小结 | 第53-54页 |
| 总结与展望 | 第54-56页 |
| 本文工作总结 | 第54-55页 |
| 未来工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文及成果 | 第62页 |
