基于深度学习的人脸识别关键技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 人脸识别研究历史及现状分析 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-18页 |
| 第二章 人脸识别技术及深度学习理论 | 第18-32页 |
| 2.1 人脸识别技术 | 第18-26页 |
| 2.1.1 人脸特征提取方法 | 第19-22页 |
| 2.1.2 分类识别方法 | 第22-26页 |
| 2.2 深度学习理论 | 第26-30页 |
| 2.2.1 深度学习的定义和背景 | 第26-27页 |
| 2.2.2 深度学习网络的分类 | 第27-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第三章 基于卷积神经网络的人脸特征提取 | 第32-54页 |
| 3.1 卷积神经网络简介 | 第32-39页 |
| 3.1.1 卷积神经网络的网络结构 | 第32-33页 |
| 3.1.2 卷积层 | 第33-34页 |
| 3.1.3 池化层 | 第34-35页 |
| 3.1.4 全连接层 | 第35页 |
| 3.1.5 激活函数 | 第35-37页 |
| 3.1.6 稀疏交互 | 第37页 |
| 3.1.7 参数共享 | 第37-39页 |
| 3.2 卷积神经网络结构的改进 | 第39-47页 |
| 3.2.1 卷积神经网络结构设计的通用原则 | 第39-40页 |
| 3.2.2 卷积神经网络结构配置的经验准则 | 第40-41页 |
| 3.2.3 分解大的卷积核 | 第41-43页 |
| 3.2.4 多尺度卷积神经网络 | 第43-46页 |
| 3.2.5 改进后的卷积神经网络结构 | 第46-47页 |
| 3.3 仿真实验 | 第47-52页 |
| 3.3.1 人脸数据集 | 第47-48页 |
| 3.3.2 数据集预处理 | 第48-49页 |
| 3.3.3 仿真实现 | 第49-50页 |
| 3.3.4 训练过程 | 第50页 |
| 3.3.5 实验结果分析 | 第50-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 基于联合贝叶斯的人脸验证算法研究 | 第54-62页 |
| 4.1 人脸验证 | 第54-55页 |
| 4.1.1 欧氏距离 | 第55页 |
| 4.1.2 余弦距离 | 第55页 |
| 4.2 联合贝叶斯 | 第55-58页 |
| 4.3 改进的人脸验证算法 | 第58-59页 |
| 4.4 仿真实验 | 第59-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 全文总结 | 第62页 |
| 5.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录 (攻读学位期间发表论文目录) | 第69页 |
