| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 深度学习在图像处理中的应用研究现状 | 第9-10页 |
| 1.2.2 深度学习在自然语言处理中的应用研究现状 | 第10-11页 |
| 1.2.3 深度学习在语音信号处理中的应用研究现状 | 第11页 |
| 1.3 本文主要内容 | 第11-13页 |
| 第2章 神经网络与卷积神经网络的原理及结构 | 第13-20页 |
| 2.1 神经网络 | 第13-16页 |
| 2.1.1 神经元 | 第13-14页 |
| 2.1.2 BP神经网络模型 | 第14-16页 |
| 2.2 卷积神经网络 | 第16-18页 |
| 2.2.1 卷积神经网络的组成 | 第16-18页 |
| 2.2.2 训练卷积神经网络 | 第18页 |
| 2.3 Caffe框架 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于改进卷积网络结构的人脸检测及实现 | 第20-40页 |
| 3.1 人脸检测概述 | 第20页 |
| 3.2 人脸检测数据库 | 第20-21页 |
| 3.3 用于人脸检测的卷积神经网络 | 第21-32页 |
| 3.3.1 构建人脸检测二分类的卷积神经网络 | 第21-24页 |
| 3.3.2 人脸检测过拟合分析 | 第24页 |
| 3.3.3 Dropout基本原理及改进 | 第24-27页 |
| 3.3.4 改进网络结构 | 第27-30页 |
| 3.3.5 网络的训练与结果分析 | 第30-32页 |
| 3.4 人脸检测算法 | 第32-36页 |
| 3.4.1 滑动窗口法结合改进后的卷积神经网络 | 第32-33页 |
| 3.4.2 选择性搜索法结合改进后的卷积神经网络 | 第33-34页 |
| 3.4.3 区域推荐法结合改进后的卷积神经网络 | 第34-36页 |
| 3.5 实验分析 | 第36-39页 |
| 3.5.1 算法重叠率与运行时间对比 | 第36-38页 |
| 3.5.2 部分检测结果 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于级联卷积神经网络的人脸关键点检测 | 第40-54页 |
| 4.1 人脸关键点检测概述 | 第40-41页 |
| 4.2 深度级联回归法定位人脸关键点 | 第41-44页 |
| 4.2.1 第一级全局特征提取网络 | 第41-42页 |
| 4.2.2 第二级关联局部特征提取网络 | 第42页 |
| 4.2.3 回归算法 | 第42-43页 |
| 4.2.4 训练方法 | 第43-44页 |
| 4.3 深度级联卷积网络法定位人脸关键点 | 第44-46页 |
| 4.3.1 DCNN定位法 | 第44页 |
| 4.3.2 精简DCNN网络结构设计 | 第44-46页 |
| 4.3.3 训练方法 | 第46页 |
| 4.4 实验对比与分析 | 第46-50页 |
| 4.5 人脸关键点检测的应用 | 第50-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 工作总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间取得的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |