|
|
|
非线性流形上多姿态人脸检测与识别 |
|
论文目录 |
|
摘要 | 第1-5页 | Abstract | 第5-11页 | 第一章 绪论 | 第11-21页 | ·人脸检测与识别概述 | 第11-14页 | ·人脸检测与识别的范畴 | 第11页 | ·人脸检测与识别的分类 | 第11-12页 | ·人脸检测与识别的发展 | 第12-13页 | ·人脸检测与识别的相关技术领域 | 第13-14页 | ·人脸检测与识别的应用 | 第14页 | ·论文课题研究 | 第14-21页 | ·人脸检测与识别领域的若干研究热点 | 第15-16页 | ·论文主要研究内容 | 第16-18页 | ·论文主要研究成果 | 第18-19页 | ·论文内容组织 | 第19-21页 | 第二章 基于区域边缘方位场匹配的正面人脸检测 | 第21-39页 | ·引言 | 第22页 | ·人脸检测算法概述 | 第22-26页 | ·人脸检测问题描述 | 第22-23页 | ·人脸检测算法的分类 | 第23-26页 | ·区域边缘方位场特征 | 第26-28页 | ·基于Real AdaBoost获取人脸模式 | 第28-31页 | 2 4 1 Real AdaBoost算法 | 第28-29页 | ·学习获取人脸模式 | 第29-31页 | ·构造级联式人脸检测器 | 第31-32页 | ·快速图像搜索 | 第32页 | ·人脸验证 | 第32-33页 | ·实验及其结果 | 第33-38页 | ·样本选择 | 第33-35页 | ·实验参数以及实验结果 | 第35-38页 | ·实验结果分析 | 第38页 | ·小结 | 第38-39页 | 第三章 基于协作AdaBoost算法的多特征多姿态人脸检测 | 第39-51页 | ·引言 | 第40-41页 | ·Co-Adaboost多特征融合 | 第41-44页 | ·特征选择 | 第41-42页 | ·Co-AdaBoost算法 | 第42-44页 | ·多姿态人脸检测 | 第44-46页 | ·姿态角度 | 第44页 | ·金字塔型分类器系统结构 | 第44-46页 | ·图像的多分辨率搜索与人脸验证 | 第46页 | ·实验 | 第46-48页 | ·样本选择 | 第46-47页 | ·实验参数设置与实验结果 | 第47-48页 | ·小结 | 第48-51页 | 第四章 基于分级边缘方位场匹配的人脸特征定位 | 第51-63页 | ·引言 | 第52-53页 | ·基于结构Hausdoff距离的边缘方位场匹配 | 第53-55页 | ·边缘方位场提取 | 第53页 | ·Hausdoff距离测度 | 第53-54页 | ·结构Hausdoff距离测度 | 第54-55页 | ·基于HEOFM的特征定位 | 第55-57页 | ·基于GEOFM的特征粗定位 | 第56-57页 | ·基于FEOFM的特征精确定位 | 第57页 | ·实验 | 第57-60页 | ·训练样本选择 | 第57-58页 | ·实验参数设置与实验结果 | 第58-59页 | ·实验结果分析 | 第59-60页 | ·小结 | 第60-63页 | 第五章 基于非线性流形学习的人脸姿态估计 | 第63-75页 | ·引言 | 第64-65页 | ·图像姿态关系函数表达 | 第65-68页 | ·线性子空间模型 | 第65-66页 | ·基于Isomap的非线性流形映射模型 | 第66-68页 | ·非线性流形上姿态估计算法 | 第68-69页 | ·姿态角变量 | 第68页 | ·特征对齐校正处理 | 第68-69页 | ·姿态估计算法流程 | 第69页 | ·实验 | 第69-74页 | ·训练样本处理 | 第69-71页 | ·实验参数设置与实验结果 | 第71-73页 | ·实验结果分析 | 第73-74页 | ·小结 | 第74-75页 | 第六章 基于关联子区域映射的多姿态人脸识别 | 第75-93页 | ·引言 | 第76页 | ·子区域姿态补偿 | 第76-79页 | ·直接SSD法 | 第77-78页 | ·关联子区域方法 | 第78-79页 | ·二维耦合成分分析 | 第79-84页 | ·特征转换(Eigen-transformation,ET)法 | 第80页 | ·一维耦合成分分析 | 第80-81页 | ·二维耦合成分分析 | 第81-84页 | ·多姿态人脸识别算法 | 第84-87页 | ·姿态估计 | 第84页 | ·关联子区域映射 | 第84-86页 | ·基于贝叶斯框架的子区域集成分类算法 | 第86-87页 | ·实验 | 第87-91页 | ·PICS上的实验 | 第87-89页 | ·HPID上的实验 | 第89-91页 | ·小结 | 第91-93页 | 第七章 基于非线性流形判别分析的人脸识别 | 第93-117页 | ·引言 | 第94页 | ·基于重构的流形学习算法概述 | 第94-99页 | ·LLE算法 | 第95-96页 | ·Isomap算法 | 第96-97页 | ·Laplacian Eigenmap | 第97-98页 | ·小结 | 第98-99页 | ·用于分类的扩展流形学习算法 | 第99-104页 | ·扩展Isomap方法 | 第99-101页 | ·LDE算法 | 第101-102页 | ·S-Isomap算法 | 第102-103页 | ·小结 | 第103-104页 | ·基于测地Gabriel图的非线性流形判别分析 | 第104-110页 | ·测地Gabriel图 | 第104-106页 | ·基于GGG的局部判别分析 | 第106-108页 | ·局部判别器融合算法 | 第108-109页 | ·人工合成数据集上的实验 | 第109-110页 | ·基于非线性流形判别分析的人脸识别 | 第110-114页 | ·人脸图像的非线性流形建模 | 第110-112页 | ·非线性流形判别分析的多分类器问题扩展 | 第112-113页 | ·非线性流形上人脸识别 | 第113-114页 | ·小结 | 第114-117页 | 第八章 总结与工作展望 | 第117-119页 | ·论文工作总结 | 第117页 | ·工作展望 | 第117-119页 | 参考文献 | 第119-130页 | 攻读博士学位期间发表(录用)的学术论文 | 第130-131页 | 致谢 | 第131页 |
|
|
|
|
论文编号BS1162887,这篇论文共131页 会员购买按0.35元/页下载,共需支付45.85元。 直接购买按0.5元/页下载,共需要支付65.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|