目  录

摘  要

ABSTRACT

1. 绪论 1

1.1 人脸检测的研究背景 1

1.2 人脸检测的发展现状 1

1.3 本文章节的主要工作安排 3

2. YOLO检测的理论基础 5

2.1 数据集的选取 5

2.2 YOLOv1的理论基础 6

2.3 YOLOv2的巨大进步 9

2.4 YOLOv3的保留与创新 10

3. 实验操作 12

3.1 准备环境 12

3.2 处理数据集 15

3.3 配置文件 19

3.4 训练模型 20

3.5 优化结果 21

4. 总结与展望 27

参考文献 28

致谢 30

 

摘　　要

 

人脸检测最为广泛的应用是作为人脸识别的第一步。因为光线的变化、拍摄角度、人脸的遮挡（头发、眼镜、口罩等）、人脸表情等很多影响，所以人脸检测成为一个复杂且具有挑战性的目标检测问题。卷积神经在图像分类上的成功，使得人脸检测在基于深度学习的目标检测发展的基础上，得到了新的发展。在文中，比较了基于深度学习的人脸检测的一系列算法，最终采取YOLOv3算法训练模型。YOLO是一个典型的端到端的目标检测算法一个损失函数搞定训练，只需关注输入端和输出端，因此它的速度很快。

本论文的目标是通过YOLO官网和相关论文学习使用YOLOv3，通过网上公开的数据集训练目标检测。通过训练获得人脸检测结果后，计算在测试数据集上的准确率和误差，得出精确度较高的模型。

 

 

关键词：

深度学习；目标检测；YOLO；训练模型