| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 人脸识别研究现状 | 第10-12页 |
| 1.2.2 卷积神经网络研究现状 | 第12-13页 |
| 1.2.3 国内外发展现状 | 第13-14页 |
| 1.3 与传统人脸识别方法做比较 | 第14-15页 |
| 1.4 研究难点 | 第15-16页 |
| 1.4.1 人脸识别的研究难点 | 第15页 |
| 1.4.2 卷积神经网络的研究难点 | 第15-16页 |
| 1.5 论文研究内容及进度安排 | 第16-17页 |
| 第二章 卷积神经网络相关理论 | 第17-27页 |
| 2.1 卷积神经网络的特点 | 第17-18页 |
| 2.2 卷积神经网络的拓扑结构 | 第18-20页 |
| 2.3 卷积神经网络理论推导 | 第20-26页 |
| 2.3.1 神经元 | 第20-21页 |
| 2.3.2 前向传播 | 第21-23页 |
| 2.3.3 反向传播 | 第23-24页 |
| 2.3.4 卷积层的梯度计算 | 第24页 |
| 2.3.5 下采样层的梯度计算 | 第24-26页 |
| 2.3.6 特征图的组合 | 第26页 |
| 本章小结 | 第26-27页 |
| 第三章 基于级联卷积神经网络的眼睛检测 | 第27-32页 |
| 3.1 眼睛检测流程 | 第27-28页 |
| 3.2 卷积神经网络结构 | 第28-29页 |
| 3.3 训练及检测过程 | 第29-30页 |
| 3.4 检测结果 | 第30-31页 |
| 本章小结 | 第31-32页 |
| 第四章 基于卷积神经网络的人脸识别 | 第32-41页 |
| 4.1 卷积神经网络的结构设计 | 第32-33页 |
| 4.2 基于人脸库上的实验结果分析 | 第33-36页 |
| 4.2.1 基于Yale B库上的实验结果分析 | 第33-34页 |
| 4.2.2 基于PUT库上的实验结果分析 | 第34-35页 |
| 4.2.3 基于AR库上的实验结果分析 | 第35-36页 |
| 4.3 相对项对试验结果的影响 | 第36-40页 |
| 4.3.1 权值衰减项 | 第37页 |
| 4.3.2 dropout | 第37-38页 |
| 4.3.3 动量项 | 第38-39页 |
| 4.3.4 三项综合 | 第39-40页 |
| 本章小结 | 第40-41页 |
| 第五章 基于卷积神经网络和Gabor滤波器的人脸识别 | 第41-47页 |
| 5.1 二维Gabor小波变换 | 第41页 |
| 5.2 加入Gabor滤波器的卷积神经网络结构 | 第41-46页 |
| 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 论文总结 | 第47-48页 |
| 6.2 展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 致谢 | 第51页 |