声明
引 言
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 传统人脸检测算法
1.2.2 基于深度学习的人脸检测
1.2.3 传统技术与深度网络结合的方法
1.3 本文研究内容与安排
1.3.1 本文主要研究内容
1.3.2 本文的组织结构
2 基于卷积神经网络的人脸检测
2.1 人脸检测算法原理
2.1.1 面部特征提取
2.1.2 人脸分类器
2.1.3 边框回归
2.2 卷积神经网络
2.2.1 输入层
2.2.2 卷积层
2.2.3 激活函数
2.2.4 池化层
2.2.5 全连接层
2.3 基于区域建议的检测算法
2.3.1 R-CNN
2.3.2 Fast R-CNN
2.3.3 Faster R-CNN
2.4 本章小结
3 近似遮挡的数据增强方法
3.1 训练数据选择
3.2 数据增强方法
3.2.1 引入遮挡与平均脸绘制
3.2.2 遮挡区域处理
3.2.3 多角度旋转
3.3 制作训练数据标签
3.4 本章小结
4 人脸检测网络模型设计
4.1 改进的模型
4.1.1 多层特征图融合
4.1.2 区域建议生成网络
4.1.3 损失函数设计
4.2 模型的训练
4.3 本章小结
5 实验结果与分析
5.1 人脸检测数据集
5.2 人脸检测评估标准
5.3 不同场景下的检测性能分析
5.3.1 公开数据集评估
5.3.2 特定场景下评估
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
在学研究成果
致 谢
宁波大学;