基于深度学习方法的人脸识别研究及应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 国内外研究历史与现状 | 第12-17页 |
| 1.2.1 传统人脸识别方法 | 第12-13页 |
| 1.2.2 基于深度学习的人脸识别方法 | 第13-15页 |
| 1.2.3 跨年龄人脸识别研究 | 第15-17页 |
| 1.3 本文的主要工作内容 | 第17页 |
| 1.4 本论文的结构安排 | 第17-19页 |
| 第二章 人脸识别与深度学习相关理论 | 第19-31页 |
| 2.1 人脸识别概述 | 第19-21页 |
| 2.2 人工神经网络 | 第21-24页 |
| 2.2.1 前向传播 | 第21-23页 |
| 2.2.2 反向传播算法 | 第23-24页 |
| 2.3 深度学习概述 | 第24-30页 |
| 2.3.1 深度学习基本思想 | 第24-25页 |
| 2.3.2 经典深度学习模型 | 第25-30页 |
| 2.3.2.1 自编码器 | 第25-26页 |
| 2.3.2.2 深度信念网络 | 第26-28页 |
| 2.3.2.3 卷积神经网络 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于深度卷积神经网络的人脸识别 | 第31-46页 |
| 3.1 基本算法框架 | 第31-32页 |
| 3.2 基础的卷积神经网络识别模型 | 第32-36页 |
| 3.2.1 基本模型结构 | 第33-35页 |
| 3.2.2 批规范化 | 第35-36页 |
| 3.2.3 相似性度量 | 第36页 |
| 3.3 基于多损失函数的卷积神经网络模型 | 第36-39页 |
| 3.3.1 交叉熵损失函数不足 | 第36-37页 |
| 3.3.2 改进的Center Loss损失函数 | 第37-39页 |
| 3.4 实验设计与结果分析 | 第39-44页 |
| 3.4.1 CACD数据集及图像预处理 | 第39-41页 |
| 3.4.2 评估指标 | 第41页 |
| 3.4.3 实验结果与分析 | 第41-44页 |
| 3.4.3.1 批规范化的影响 | 第42页 |
| 3.4.3.2 特征维数影响 | 第42-43页 |
| 3.4.3.3 结果比较 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于深度特征融合的人脸识别 | 第46-61页 |
| 4.1 局部特征描述 | 第46-48页 |
| 4.1.1 局部二值模式(LBP) | 第46-47页 |
| 4.1.2 高维LBP特征 | 第47-48页 |
| 4.2 基于深度特征融合的人脸识别方法 | 第48-52页 |
| 4.2.1 特征融合框架 | 第48-49页 |
| 4.2.2 高维LBP特征提取 | 第49-50页 |
| 4.2.3 主成分分析降维 | 第50页 |
| 4.2.4 深度卷积特征提取 | 第50-52页 |
| 4.2.5 特征融合识别 | 第52页 |
| 4.3 实验设计与结果分析 | 第52-60页 |
| 4.3.1 CACD数据集实验 | 第52-56页 |
| 4.3.1.1 降维维数影响 | 第52-53页 |
| 4.3.1.2 不同方法比较 | 第53-56页 |
| 4.3.2 LFW数据集实验 | 第56-60页 |
| 4.3.2.1 LFW数据集及预处理 | 第56-57页 |
| 4.3.2.2 评估指标 | 第57-58页 |
| 4.3.2.3 验证结果比较 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 基于WEB端的人脸识别应用 | 第61-72页 |
| 5.1 系统设计目标 | 第61-62页 |
| 5.2 系统整体设计 | 第62-63页 |
| 5.3 系统开发环境 | 第63-64页 |
| 5.4 功能模块实现 | 第64-69页 |
| 5.4.1 图像采集模块 | 第64-67页 |
| 5.4.2 人脸识别模块 | 第67-68页 |
| 5.4.3 数据存储模块 | 第68-69页 |
| 5.5 功能测试 | 第69-71页 |
| 5.5.1 人脸检测功能 | 第69-70页 |
| 5.5.2 人脸图像预处理功能 | 第70页 |
| 5.5.3 人脸识别功能 | 第70-71页 |
| 5.6 本章小结 | 第71-72页 |
| 第六章 全文总结与展望 | 第72-74页 |
| 6.1 全文总结 | 第72页 |
| 6.2 后续工作展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间取得的成果 | 第80页 |
