1 绪 论
1.1 研究背景和意义
1.2.1 国内外研究历史和现状
1.2.2 主要挑战
1.3 本文的主要工作
1.4 文章结构
2 人脸检测研究基础
2.1 引言
2.2 基于候选区域的目标检测模型
2.2.1 R-CNN模型
2.2.2 SPP-net模型
2.2.3 Fast R-CNN模型
2.2.4 Faster R-CNN模型
2.3 基于回归的目标检测模型
2.3.1 YOLO模型
2.3.2 SSD模型
2.4 目标检测的数据集
2.4.1 COCO数据集
2.4.2 FDDB数据集
2.4.3WIDER FACE数据集
2.5 本章小结
3 基于环境信息和特征融合的人脸检测模型
3.1 引言
3.2 残差网络的使用
3.3 特征融合的设计
3.4 新的环境信息的设置
3.5 基于特征融合和环境信息的人脸检测模型
3.5.1 实验的数据集
3.5.2 模型的训练
3.5.3 实验细节
3.6.1 对比实验
3.6.2 实验结果
3.6.3 结果分析
3.7 本章小节
4基于Faster R-CNN三分类人脸检测模型
4.1 引言
4.2 尺度不变性
4.3.1 图像金字塔
4.3.2 特征融合优化
4.4 基于Faster R-CNN人脸检测模型
4.4.1 实验的数据集
4.4.2 模型的训练
4.4.3 实验细节
4.5.1 对比实验
4.5.2 实验结果
4.5.3 结果分析
4.6 本章小节
5 总结与展望
5.1 本文工作总结
5.2 未来的展望
参考文献
附录
A 作者在攻读硕士学位期间内发表的论文
B 学位论文数据集
致谢
重庆大学;