首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的人脸识别研究及其在物流中的应用

摘要第4-5页
Abstract第5页
专用术语注释表第8-9页
第一章 绪论第9-12页
    1.1 课题背景与意义第9-10页
        1.1.1 课题背景第9-10页
        1.1.2 课题意义第10页
    1.2 课题来源与组织结构第10-12页
        1.2.1 课题来源第10页
        1.2.2 本文组织结构第10-12页
第二章 相关技术研究第12-23页
    2.1 深度学习相关技术研究第12-15页
    2.2 人脸识别研究现状第15-17页
        2.2.1 国外人脸识别研究现状第15-16页
        2.2.2 国内人脸识别研究现状第16-17页
    2.3 深度学习技术在人脸识别中的应用第17-21页
        2.3.1 人脸检测技术应用第17-18页
        2.3.2 面部特征提取技术应用第18-19页
        2.3.3 特征分类技术应用第19-21页
    2.4 人脸识别在物流签收环节中的应用第21页
    2.5 本章小结第21-23页
第三章 系统总体设计方案第23-32页
    3.1 设计目标第23-25页
        3.1.1 系统功能需求第23-25页
        3.1.2 系统性能需求第25页
    3.2 总体架构设计第25-27页
    3.3 系统功能设计第27-29页
        3.3.1 文件存储子系统第28页
        3.3.2 人脸识别子系统第28-29页
        3.3.3 资源管理子系统第29页
    3.4 快件签收系统数据库设计第29-31页
    3.5 本章小结第31-32页
第四章 基于CNN的人脸识别技术第32-47页
    4.1 人脸检测方法第33-34页
    4.2 传统卷积神经网络人脸识别模型第34-38页
        4.2.1 卷积层设计第35页
        4.2.2 池化层设计第35-36页
        4.2.3 全连接层设计第36-37页
        4.2.4 SoftMax层设计第37-38页
    4.3 改进的卷积神经网络人脸识别模型第38-42页
        4.3.1 传统的金字塔特征优化模型第38页
        4.3.2 改进的金字塔特征模型第38-42页
    4.4 人脸识别模型训练和调用第42-46页
        4.4.1 卷积神经网络的训练第43-46页
        4.4.2 人脸识别模型使用第46页
    4.5 本章小结第46-47页
第五章 基于CNN的人脸识别签收系统设计第47-57页
    5.1 数据存储层设计第47-53页
        5.1.1 用户管理设计第47-48页
        5.1.2 文件存储模块第48-49页
        5.1.3 有效帧选取模块设计第49-53页
    5.2 数据表现层设计第53-56页
        5.2.1 Web后端设计第53-55页
        5.2.2 前端设计第55页
        5.2.3 Web服务器部署第55-56页
    5.3 本章小结第56-57页
第六章 系统测试第57-72页
    6.1 系统环境第57-59页
        6.1.1 硬件环境第57-59页
        6.1.2 软件环境第59页
    6.2 系统测试第59-71页
        6.2.1 测试环境搭建第59-61页
        6.2.2 系统功能测试第61-71页
    6.3 本章小结第71-72页
第七章 总结与展望第72-74页
    7.1 总结第72页
    7.2 展望第72-74页
参考文献第74-78页
附录1 攻读硕士学位期间申请的专利第78-79页
附录2 攻读硕士学位期间参加的科研项目第79-80页
致谢第80页

论文共80页,点击 下载论文
上一篇:资源枯竭型城市转型背景下剩余劳动力安置政府职能研究--以枣庄市为例
下一篇:兴盛家园房地产项目的开发成本控制策略研究