人脸特征点定位方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14页 |
| 1.1.2 研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17页 |
| 1.3 人脸特征点定位研究方法概述 | 第17-20页 |
| 1.3.1 基于全局特征的方法 | 第17-18页 |
| 1.3.2 基于局部特征的方法 | 第18-19页 |
| 1.3.3 基于级联回归的方法 | 第19页 |
| 1.3.4 基于深度学习的方法 | 第19-20页 |
| 1.4 主要难点和问题 | 第20页 |
| 1.5 本文研究内容与组织结构 | 第20-22页 |
| 第2章 本文所用相关算法介绍 | 第22-34页 |
| 2.1 卷积神经网络基础理论 | 第22-25页 |
| 2.1.1 基本概念 | 第22-23页 |
| 2.1.2 网络结构 | 第23-24页 |
| 2.1.3 网络训练过程 | 第24-25页 |
| 2.2 随机森林 | 第25-27页 |
| 2.2.1 决策树的概念 | 第25-26页 |
| 2.2.2 随机森林的构建 | 第26页 |
| 2.2.3 随机森林的优缺点 | 第26-27页 |
| 2.3 级联回归 | 第27-30页 |
| 2.3.1 线性回归模型 | 第27-29页 |
| 2.3.2 级联形状回归 | 第29-30页 |
| 2.4 人脸数据库 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于概率随机森林的人脸特征点定位方法研究 | 第34-46页 |
| 3.1 引言 | 第34页 |
| 3.2 系统框架设计 | 第34-35页 |
| 3.3 实现细节 | 第35-40页 |
| 3.3.1 数据扩增 | 第35-36页 |
| 3.3.2 构建随机森林 | 第36-38页 |
| 3.3.3 计算局部概率特征值 | 第38页 |
| 3.3.4 全局回归 | 第38-39页 |
| 3.3.5 多模型融合 | 第39-40页 |
| 3.4 实验与分析 | 第40-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 基于卷积神经网络的人脸特征点定位算法研究 | 第46-62页 |
| 4.1 引言 | 第46页 |
| 4.2 系统框架设计 | 第46-47页 |
| 4.3 实现细节 | 第47-52页 |
| 4.3.1 数据处理 | 第47-48页 |
| 4.3.2 模型融合 | 第48页 |
| 4.3.3 网络模型与训练 | 第48-52页 |
| 4.4 实验与分析 | 第52-60页 |
| 4.4.1 融合模型的比较 | 第54-55页 |
| 4.4.2 各数据库正确率比较 | 第55-57页 |
| 4.4.3 模型大小与速度 | 第57页 |
| 4.4.4 与其他方法进行比较 | 第57页 |
| 4.4.5 实验结果展示与分析 | 第57-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 全文总结 | 第62-63页 |
| 5.2 未来展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 在读期间发表的学术论文与取得的研究成果 | 第70页 |
