基于深度学习的汽车前脸特征点提取及其应用
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-16页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 相关工作 | 第9-14页 |
| 1.2.1 图像分类识别 | 第10-12页 |
| 1.2.2 特征点定位 | 第12-13页 |
| 1.2.3 汽车前脸相关研究 | 第13-14页 |
| 1.3 主要工作 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 汽车前脸造型概述和分类理由 | 第16-33页 |
| 2.1 前脸造型概述 | 第17-19页 |
| 2.2 前脸分类分析 | 第19-24页 |
| 2.2.1 格式塔理论和汽车前脸造型 | 第19-21页 |
| 2.2.2 人脸检测技术和汽车前脸造型 | 第21-22页 |
| 2.2.3 汽车前脸分类 | 第22-24页 |
| 2.3 汽车前脸特征线和特征点定义 | 第24-32页 |
| 2.3.1 汽车前脸特征线定义 | 第24-29页 |
| 2.3.2 汽车前脸特征点定义 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 算法概述 | 第33-40页 |
| 3.1 分类识别算法概述 | 第33-36页 |
| 3.1.1 深度学习概述 | 第33页 |
| 3.1.2 PCANet概述 | 第33-34页 |
| 3.1.3 卷积神经网络概述 | 第34-36页 |
| 3.2 特征点定义算法概述概述 | 第36-39页 |
| 3.2.1 二值特征回归算法概述 | 第36-37页 |
| 3.2.2 DAN算法概述 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 4 前脸分类和特征点识别 | 第40-67页 |
| 4.1 数据库创建 | 第40-49页 |
| 4.1.1 汽车前视图数据库和分类库创建 | 第40-44页 |
| 4.1.2 汽车前视图关键点标注库创建 | 第44-49页 |
| 4.2 汽车前视图自动分类 | 第49-53页 |
| 4.2.1 分类精度与识别效率分析 | 第49-51页 |
| 4.2.2 分类误差分析 | 第51-53页 |
| 4.3 特征点定位 | 第53-60页 |
| 4.3.1 特征点定位结果与效率分析 | 第53-57页 |
| 4.3.2 定位误差分析 | 第57-60页 |
| 4.4 基于特征点定位的二维特征线提取 | 第60-65页 |
| 4.5 本章小结 | 第65-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表学术论文情况 | 第72-73页 |
| 致谢 | 第73-75页 |
