| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景及其目的和意义 | 第8-9页 |
| 1.2 人脸识别的研究现状 | 第9-13页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10页 |
| 1.2.3 早期的人脸识别技术 | 第10-12页 |
| 1.2.4 基于神经网络的人脸识别技术的发展 | 第12-13页 |
| 1.2.5 基于深度学习的人脸识别技术的发展 | 第13页 |
| 1.3 本文的主要研究内容与组织结构 | 第13-15页 |
| 第2章 卷积神经网络理论 | 第15-28页 |
| 2.1 卷积神经网络的基本概念 | 第15-16页 |
| 2.1.1 卷积神经网络的概述 | 第15页 |
| 2.1.2 局部感受野 | 第15-16页 |
| 2.1.3 权值共享 | 第16页 |
| 2.2 卷积神经网络的组成单元 | 第16-20页 |
| 2.2.1 神经元 | 第16-17页 |
| 2.2.2 输入层和输出层 | 第17-18页 |
| 2.2.3 卷积层 | 第18-19页 |
| 2.2.4 池化层 | 第19-20页 |
| 2.2.5 全连接层 | 第20页 |
| 2.3 激活函数 | 第20-25页 |
| 2.3.1 Signoid函数与Tanh函数 | 第20-23页 |
| 2.3.2 ReLU激活函数 | 第23-25页 |
| 2.4 卷积神经网络的理论推导 | 第25-27页 |
| 2.4.1 前向传播 | 第25页 |
| 2.4.2 BP算法 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于卷积神经网络的人脸识别 | 第28-34页 |
| 3.1 引言 | 第28页 |
| 3.2 LeNet-5 的模型结构与参数配置 | 第28-30页 |
| 3.3 改进的LeNet-5 网络 | 第30-31页 |
| 3.4 基于改进LeNet-5 的人脸识别 | 第31-33页 |
| 3.4.1 实验样本 | 第31页 |
| 3.4.2 基于改进LeNet-5 的人脸识别实验 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于卷积神经网络的非限定性人脸识别 | 第34-46页 |
| 4.1 引言 | 第34页 |
| 4.2 VGG-19 的模型结构 | 第34-36页 |
| 4.3 基于VGG-19 的人脸识别 | 第36-39页 |
| 4.3.1 FaceScrub数据库 | 第36-37页 |
| 4.3.2 图片预处理 | 第37-38页 |
| 4.3.3 基于VGG-19 的人脸识别实现 | 第38-39页 |
| 4.4 VGG-19 网络参数配置分析与改进方法 | 第39-41页 |
| 4.5 改进后的VGG-19 网络 | 第41-44页 |
| 4.5.1 改进后的VGG-19 网络结构模型 | 第41-44页 |
| 4.6 改进后的VGG-19 网络模型实验分析 | 第44-45页 |
| 4.6.1 实验结果 | 第44页 |
| 4.6.2 模型分析 | 第44-45页 |
| 4.7 本章小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻读学位期间发表的学术论文 | 第51-53页 |
| 致谢 | 第53页 |