1. 毕业设计（论文）主要目标：
人脸分割是进行人脸识别的一个关键步骤，只有明确的分割出所需要的人脸区域，才能进行有关的下一步操作。
人脸分割之后的图像不仅能应用于人脸识别，还可以在化妆技术和脸谱变换等技术上进行运用，所以人脸分割便成为当代满足人们需求的一个重要基础。
故而，进行明确的人脸分割显得尤为重要。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 毕业设计（论文）主要内容：
本论文中的人脸分割基于全卷积网络（简称FCN），FCN对图像进行像素级的分类，从而解决了语义级别的人脸分割（semantic segmentation）问题。
与经典的CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类（全联接层＋softmax输出）不同，FCN可以接受任意尺寸的输入图像，采用反卷积层对最后一个卷积层的feature map进行上采样, 使它恢复到输入图像相同的尺寸，从而可以对每个像素都产生了一个预测, 同时保留了原始输入图像中的空间信息, 最后在上采样的特征图上进行逐像素分类。
3. 主要参考文献
[1]Jonathan Long,Evan Shelhamer,Trevor Darrell.Fully Convolution Networks for Semantic Sgmentation[D].USA:UC Berkeley,2015.
[2]周志华.机器学习[M].北京: 清华大学出版社, 2016.
[3]Zhen Wei,Yao Sun,Jinqiao Wang,Hanjiang Lai,Si Liu.Learning Adaptive Receptive Fields for Deep Image Parsing Network[J].In IEEE Conference on Computer Vision and Pattern Recognition,CVPR 2017,pages 3947-3955,2017.
[4]Brandon M.Smith,Li Zhang,Jonathan Brandt,Zhe Lin,Jianchao Yang.Exemplar-Based Face Parsing[D].USA:University of Wisconsin-Madison,2013.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
