基于分阈卷积网络与级联回归的人脸定位算法

目录

声明

摘要

1．1研究意义

1．2人脸定位方法简述

1．2．1传统人脸定位方法

1．2．2大角度人脸定位算法

1．3定位目前存在的问题及挑战

1．4本文结构和安排

第2章基于分阈卷积网络的人脸定位算法

2．1优化空间划分算法

2．1．1基于PCA的优化空间划分算法

2．1．2基于瞳孔距离的分类算法

2．1．3基于姿态估计的分类算法

2．2深度卷积神经网络训练过程

2．2．1级联深度网络的结构和参数

2．2．2深度模型优化方法

2．3本章小结

第3章基于级联回归的人脸定位算法

3．1普通级联回归算法

3．2 K-means与分类器结合的初始形状改进算法

3．2．1 K-means聚类

3．2．2分类器选择

3．3 K-SDM回归算法

3．3．1 SDM推导

3．3．2 SDM解析解

3．4本章总结

第4章实验比较与分析

4．1数据库简介

4．2评价标准

4．2．1平均定位误差

4．2．2累积误差曲线

4．2．3 AUC曲线

4．3基于分阈深度学习的定位对比实验

4．3．1瞳孔距离分类实验

4．3．2姿态估计分类实验

4．4基于级联回归的定位方法对比实验

4．4．1与现有方法的比较

4．4．2与标准SDM的比较

4．5本章小结

5．1本文工作总结

5．2未来工作展望

参考文献

致谢

攻读硕士学位期间完成的论文