|
复杂条件下的高效人脸检测算法 | |
论文目录 | |
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究目的和意义 | 第10-11页 |
| 1.2 相关领域研究现状 | 第11-14页 |
| 1.2.1 传统的人脸检测方法 | 第11-12页 |
| 1.2.2 基于深度学习的人脸检测 | 第12-13页 |
| 1.2.3 模型压缩 | 第13-14页 |
| 1.3 论文研究成果 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 基于CNN的检测方法 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 双阶段检测器 | 第16-20页 |
| 2.2.1 Bounding Box Regression | 第16-17页 |
| 2.2.2 R-CNN | 第17-18页 |
| 2.2.3 Fast R-CNN | 第18-19页 |
| 2.2.4 Faster R-CNN | 第19-20页 |
| 2.3 单阶段检测器 | 第20-22页 |
| 2.3.1 YOLO | 第20-21页 |
| 2.3.2 SSD | 第21-22页 |
| 2.4 人脸检测器 | 第22-28页 |
| 2.4.1 Face R-CNN | 第22-23页 |
| 2.4.2 S3FD | 第23-24页 |
| 2.4.3 MTCNN | 第24-28页 |
| 第三章 基于特征融合的高精度人脸检测器 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 模型介绍 | 第28-33页 |
| 3.2.1 整体框架 | 第28-29页 |
| 3.2.2 特征融合模块 | 第29-30页 |
| 3.2.3 注意力模块 | 第30-31页 |
| 3.2.4 损失函数 | 第31-32页 |
| 3.2.5 实现细节 | 第32-33页 |
| 3.3 实验结果与分析 | 第33-38页 |
| 3.3.1 数据集 | 第33-34页 |
| 3.3.2 评测指标介绍 | 第34-35页 |
| 3.3.3 实验环境设置 | 第35-36页 |
| 3.3.4 实验结果 | 第36-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 资源受限平台的人脸检测器 | 第40-58页 |
| 4.1 引言 | 第40-41页 |
| 4.2 二值化神经网络 | 第41-45页 |
| 4.2.1 网络量化 | 第41页 |
| 4.2.2 二值权重网络 | 第41-42页 |
| 4.2.3 二值卷积网络 | 第42-44页 |
| 4.2.4 Bi-Real Net | 第44-45页 |
| 4.3 模型介绍 | 第45-51页 |
| 4.3.1 网络结构 | 第46-47页 |
| 4.3.2 训练策略 | 第47-49页 |
| 4.3.3 损失函数 | 第49页 |
| 4.3.4 二值卷积运算核 | 第49-51页 |
| 4.4 实验结果与分析 | 第51-56页 |
| 4.4.1 实验方案及数据集 | 第51-52页 |
| 4.4.2 评估方式 | 第52页 |
| 4.4.3 实验环境设置 | 第52-53页 |
| 4.4.4 实验结果 | 第53-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58页 |
| 5.2 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间取得的研究成果 | 第68页 |
本篇论文共68页，点击
这进入下载页面 |
|
| Copyright(C) All Rights Reserved |
| 客服QQ：304386486 |
| 目录由用户 lsp28** 提供，作者删除入口请点击这里 |