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
东北大学;