摘要:卷积神经网络是一种结合了人工神经网络和深度学习技术而成的特殊的深层神经网络模型[1]。该新型的人工神经网络有局部的感受区域、层次的结构化、提取特征和结合分类过程的全局训练的特点，广泛应用于图像识别领域[1]。卷积神经网络具有两个特殊性，一是该网络的神经元之间是非全连接的，另一个是权值共享[2]。卷积神经网络的结构使网络模型的复杂度降低了，权值的数量减少了，并且对倾斜、旋转、平移、比例缩放等有高度的不变性[3]。

本文实现了基于卷积神经网络结构的人脸检测算法，利用Caffe框架，能够鲁棒的检测出高度的可变人脸图像，在一套图像训练集中，不用进行任何的假设或采取其他的手工，进行特征和人脸区域的提取，就能自动得到简单特定问题的特征提化器[1]。所实现的训练方法与卷积神经网络结构，能很好的平衡对于遮挡、旋转等背景复杂图像的误检率与检测率[1]。实验结果得出，具有高效的人脸检测系统，无需对图像进行任何的局部预处理，即可完成对图像的区域进行分类[1]。本文中的算法取得很高的人脸检测率，很低的误警率，而不需要用多个网络来处理困难情况。

关键词：深度学习；卷积神经网络；Caffe；人脸检测

目录

摘要

Abstract

1 引言-1

1.1 研究背景-1

1.1.1 主要技术成果及进展-1

1.2 课题的相关方法和动态-1

2 深度学习-3

2.1 深度学习的概念-3

2.2 深度学习的思想-4

2.3 卷积神经网络-5

2.3.1 卷积神经网络的概念-5

2.3.2 卷积神经网络的特点-6

3 深度学习框架Caffe-9

3.1 Caffe的定义-9

3.2 Caffe的优点-9

4 人脸检测技术概述-10

4.1 基于先验规则的方法-10

4.2 基于不变特征的方法-11

4.3 基于模板匹配的方法-11

4.4 基于模式识别的方法-11

5 基于caffe的人脸检测-13

5.1 方法讨论-13

5.2 实现步骤-13

5.2.1 生成数据-13

5.2.2 配置并训练网络-14

5.2.3 网络转换-14

5.2.4 非极大值阈值-15

5.3 实现结果-15

结    论-16

参 考 文 献-17

致    谢-19