复杂场景下人脸检测算法的研究与应用

目录

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