基于ERT算法的狗脸特征点提取
| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究内容 | 第9-10页 |
| 1.3 创新点 | 第10页 |
| 1.4 研究意义 | 第10-11页 |
| 第二章 文献综述 | 第11-15页 |
| 2.1 人脸检测方法综述 | 第11-12页 |
| 2.2 人脸特征提取方法综述 | 第12-15页 |
| 第三章 HOG特征以及狗脸检测 | 第15-20页 |
| 3.1 方向梯度直方图(HOG)特征 | 第15-16页 |
| 3.2 SVM算法简介 | 第16页 |
| 3.3 HOG与SVM结合 | 第16-19页 |
| 3.3.1 步骤简介 | 第16-17页 |
| 3.3.2 模型训练 | 第17-18页 |
| 3.3.3 模型评价 | 第18-19页 |
| 3.4 总结 | 第19-20页 |
| 第四章 ERT算法以及狗脸特征点提取 | 第20-28页 |
| 4.1 ERT算法 | 第20-21页 |
| 4.2 狗脸特征点提取 | 第21-27页 |
| 4.2.1 特征点的选取 | 第21-25页 |
| 4.2.2 模型训练 | 第25页 |
| 4.2.3 模型评价 | 第25-27页 |
| 4.3 总结 | 第27-28页 |
| 第五章 任意狗脸的特征点提取 | 第28-42页 |
| 5.1 筛选方式 | 第28-32页 |
| 5.1.1 坐标计算 | 第28-30页 |
| 5.1.2 灰度值计算 | 第30页 |
| 5.1.3 筛选方法对比 | 第30-32页 |
| 5.2 逐一检测提取 | 第32-35页 |
| 5.2.1 方法介绍 | 第32-33页 |
| 5.2.2 方法示例 | 第33-35页 |
| 5.3 聚类检测提取 | 第35-39页 |
| 5.3.1 方法介绍 | 第35-36页 |
| 5.3.2 聚类 | 第36-37页 |
| 5.3.3 方法示例 | 第37-39页 |
| 5.4 两种方法的比较 | 第39-42页 |
| 第六章 总结与展望 | 第42-45页 |
| 6.1 论文工作总结 | 第42-43页 |
| 6.2 下一步工作展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 第七章 附录 | 第48-71页 |
| 致谢 | 第71-72页 |
