海量训练数据如何影响人脸检测器性能：实验研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-19页 |
| ·人脸检测研究的背景 | 第12-13页 |
| ·人脸检测的应用及研究意义 | 第13-15页 |
| ·人脸检测是所有人脸研究的前提 | 第13-14页 |
| ·人脸检测研究的意义 | 第14-15页 |
| ·人脸检测的难点及研究现状 | 第15-17页 |
| ·人脸检测研究的难点 | 第15-16页 |
| ·人脸检测研究的现状 | 第16-17页 |
| ·本文的研究内容及安排 | 第17-19页 |
| 第二章 人脸检测的基本理论 | 第19-28页 |
| ·人脸检测问题分类 | 第19页 |
| ·人脸检测方法介绍 | 第19-26页 |
| ·基于知识的人脸检测方法 | 第19-22页 |
| ·基于结构特征的方法 | 第20页 |
| ·基于肤色信息的方法 | 第20-21页 |
| ·基于形状和边沿特征的方法 | 第21页 |
| ·基于模板匹配的方法 | 第21-22页 |
| ·基于统计的人脸检测方法 | 第22-26页 |
| ·人工神经网络的方法 | 第23-24页 |
| ·特征空间的方法 | 第24页 |
| ·隐马尔科夫模型方法 | 第24-25页 |
| ·支持向量机方法 | 第25页 |
| ·Adahoost方法 | 第25-26页 |
| ·人脸检测结果的评价标准 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于Re a1Adahoost的人脸检测 | 第28-41页 |
| ·局部联合二值特征 | 第28-30页 |
| ·查找表型弱分类器 | 第30-32页 |
| ·嵌套级联 | 第32-33页 |
| ·连续Adahoost算法 | 第33-35页 |
| ·MsL方法 | 第35-37页 |
| ·特征值图像 | 第37-38页 |
| ·检测器整体框架 | 第38-39页 |
| ·检测器实现 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 样本处理与实验方案 | 第41-48页 |
| ·样本采集 | 第41-44页 |
| ·人脸本集采集 | 第41-44页 |
| ·Ⅵ01a P人脸样本集 | 第41页 |
| ·LFw样本集 | 第41-42页 |
| ·cAs样本集 | 第42页 |
| ·cMu样本集 | 第42-43页 |
| ·FRGc样本集 | 第43-44页 |
| ·非人脸本集采集 | 第44页 |
| ·样本集划分 | 第44-46页 |
| ·人脸训练样本子集划分 | 第45页 |
| ·测试样本集及其子集划分 | 第45-46页 |
| ·实验方案 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第五章 实验结果与分析 | 第48-67页 |
| ·检测器参数 | 第48-54页 |
| ·整体性能比较 | 第54-55页 |
| ·局部性能比较 | 第55-58页 |
| ·噪音 | 第55-56页 |
| ·表情和光照 | 第56-57页 |
| ·模糊化和对比度 | 第57-58页 |
| ·一种构造训练样本集的启发式方法 | 第58-64页 |
| ·本章小结 | 第64-67页 |
| 第六章 总结与展望 | 第67-70页 |
| ·本文工作总结 | 第67-68页 |
| ·进一步研究工作 | 第68页 |
| ·研究思路和体会 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 在学期间的研究成果及发表的学术论文 | 第75页 |
