面像识别中的特征点定位
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 特征点定位研究综述 | 第11-14页 |
| 1.2.1 特征点定位的主流方法 | 第11-13页 |
| 1.2.2 特征点定位的难点和挑战 | 第13-14页 |
| 1.3 本文的研究内容与框架安排 | 第14-16页 |
| 第2章 CNN与DCNN | 第16-27页 |
| 2.1 卷积神经网络 | 第16-20页 |
| 2.1.1 CNN的发展 | 第16-17页 |
| 2.1.2 CNN的基本原理 | 第17-18页 |
| 2.1.3 CNN的典型结构 | 第18-20页 |
| 2.2 深度卷积神经网络 | 第20-23页 |
| 2.2.1 预处理 | 第20页 |
| 2.2.2 DCNN结构 | 第20-23页 |
| 2.3 DCNN的后向反馈算法 | 第23-26页 |
| 2.3.1 全连接层的梯度计算 | 第23-25页 |
| 2.3.2 卷积层的梯度计算 | 第25-26页 |
| 2.3.3 下采样层的灵敏度计算 | 第26页 |
| 2.4 小结 | 第26-27页 |
| 第3章 SIFT特征与SDM算法 | 第27-37页 |
| 3.1 简化的SIFT特征 | 第27-30页 |
| 3.1.1 选取特征点主方向 | 第27-28页 |
| 3.1.2 SIFT特征描述符 | 第28-30页 |
| 3.2 SDM算法 | 第30-34页 |
| 3.2.1 SDM算法的推导过程 | 第30-33页 |
| 3.2.2 SDM算法的学习过程 | 第33-34页 |
| 3.3 基于单层感知器的求解算法 | 第34-35页 |
| 3.4 小结 | 第35-37页 |
| 第4章 级联定位算法 | 第37-45页 |
| 4.1 预备知识 | 第38-40页 |
| 4.1.1 分离损失函数 | 第38页 |
| 4.1.2 基于仿射变换的特征点配准 | 第38-40页 |
| 4.1.3 训练样本赋初始值 | 第40页 |
| 4.2 基于DCNN的五点定位算法 | 第40-42页 |
| 4.3 基于五个特征点精定位内点与轮廓点 | 第42-44页 |
| 4.3.1 内点精定位 | 第43页 |
| 4.3.2 轮廓点精定位 | 第43-44页 |
| 4.4 小结 | 第44-45页 |
| 第5章 实验结果分析与总结展望 | 第45-52页 |
| 5.1 特征点定位算法的检验标准 | 第45页 |
| 5.2 本文特征点定位算法结果及分析 | 第45-50页 |
| 5.3 总结与展望 | 第50-52页 |
| 5.3.1 本文工作总结 | 第50页 |
| 5.3.2 特征点定位算法展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |
