声明
第一章 绪论
1.1 研究背景和意义
1.1.1 问题提出
1.1.2 人脸特征点定位的应用
1.2 国内外研究现状
1.2.1 传统人脸特征点定位
1.2.2 基于深度学习的人脸特征点定位
1.3 论文主要工作
1.4 论文结构安排
第二章 相关基础理论与知识
2.1 深度学习模型
2.2 热图回归
2.3 U-Net网络结构
2.4 人脸特征点定位数据集
2.4.1 实验室环境下的数据集
2.4.2 自然场景下的数据集
2.4.3 人脸特征点定位算法评价标准
2.5 本章小结
第三章 基于堆叠U-Net的改进边界感知人脸特征点定位算法
3.1 引言
3.2 相关工作
3.3 边界感知的人脸特征点定位算法
3.3.1 边界热图估计模块
3.3.2 边界有效性判别模块
3.3.3基于堆叠U-Net的热图回归模块
3.4 实验结果与分析
3.4.1 WFLW数据集上定位算法性能分析
3.4.2 300W数据集上定位算法性能分析
3.4.3 COFW数据集上定位算法性能分析
3.5 本章小结
第四章 基于风格化数据合成的训练模型增强
4.1 引言
4.2 风格化数据增强方法介绍
4.2.1 面部风格样式和结构空间的获取
4.2.2 执行面部风格样式转换
4.3 基于数据增强的改进模型
4.4 实验结果与分析
4.4.1 增强WFLW数据集后算法性能分析
4.4.2 增强300W数据集后算法性能分析
4.5 本章小结
第五章 结论与展望
5.1 结 论
5.2 展 望
参考文献
致谢
作者简介
学位论文数据集
浙江工业大学;