| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 选题背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 课题研究内容 | 第16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 理论基础及相关技术 | 第18-29页 |
| 2.1 深度学习 | 第18-23页 |
| 2.1.1 卷积神经网络 | 第18-20页 |
| 2.1.1.1 卷积神经网络结构 | 第18页 |
| 2.1.1.2 卷积 | 第18-19页 |
| 2.1.1.3 池化 | 第19页 |
| 2.1.1.4 全连接 | 第19-20页 |
| 2.1.2 激活函数 | 第20-21页 |
| 2.1.2.1 Re LU | 第20-21页 |
| 2.1.2.2 PReLU | 第21页 |
| 2.1.3 Softmax损失函数 | 第21页 |
| 2.1.4 Center Loss | 第21-22页 |
| 2.1.5 残差网络 | 第22-23页 |
| 2.1.5.1 深层网络优化 | 第22页 |
| 2.1.5.2 残差学习 | 第22页 |
| 2.1.5.3 典型的残差网络结构 | 第22-23页 |
| 2.2 Caffe | 第23-28页 |
| 2.2.1 Caffe简介 | 第23-24页 |
| 2.2.2 Caffe的优势 | 第24页 |
| 2.2.3 Caffe架构 | 第24页 |
| 2.2.4 Caffe主要数据结构 | 第24-28页 |
| 2.2.4.1 SyncedMemory | 第25-27页 |
| 2.2.4.2 Blob | 第27页 |
| 2.2.4.3 Layer | 第27页 |
| 2.2.4.4 Net | 第27页 |
| 2.2.4.5 Solver | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于卷积神经网络的人脸识别算法 | 第29-41页 |
| 3.1 人脸识别算法 | 第29-30页 |
| 3.1.1 基于卷积神经网络的人脸识别算法 | 第29页 |
| 3.1.2 网络模型 | 第29-30页 |
| 3.2 网络训练与实验分析 | 第30-36页 |
| 3.2.1 数据预处理 | 第30页 |
| 3.2.1.1 CASIA-Web Face数据集的清洗 | 第30页 |
| 3.2.2 训练方法 | 第30-32页 |
| 3.2.2.1 MsCelebV1-Faces Bootstrap训练方法 | 第32页 |
| 3.2.3 特征提取 | 第32页 |
| 3.2.4 LFW数据库与测试方法 | 第32-33页 |
| 3.2.4.1 数据集 | 第32-33页 |
| 3.2.4.2 测试方法 | 第33页 |
| 3.2.4.3 测试结果及分析 | 第33页 |
| 3.2.5 YTF数据库与测试方法 | 第33-35页 |
| 3.2.5.1 数据集 | 第33-34页 |
| 3.2.5.2 测试方法 | 第34页 |
| 3.2.5.3 测试结果及分析 | 第34-35页 |
| 3.2.6 多模型融合方法 | 第35页 |
| 3.2.7 人脸的哈希表征 | 第35页 |
| 3.2.8 执行速度与存储开销 | 第35-36页 |
| 3.3 基于Caffe的人脸特征提取 | 第36-40页 |
| 3.3.1 基于batch的批量人脸特征提取 | 第36页 |
| 3.3.2 Caffe存储优化 | 第36-37页 |
| 3.3.3 算法实验与分析 | 第37-40页 |
| 3.3.3.1 基于batch的批量人脸特征提取实验与分析 | 第37-39页 |
| 3.3.3.2 Caffe特征提取存储优化方法实验与分析 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于GPU的快速人脸搜索算法 | 第41-51页 |
| 4.1 多倒排索引算法 | 第41-43页 |
| 4.1.1 理论基础 | 第42页 |
| 4.1.2 算法描述 | 第42-43页 |
| 4.2 基于二级索引的人脸搜索算法 | 第43-45页 |
| 4.2.1 人脸特征提取 | 第43-44页 |
| 4.2.2 人脸过滤 | 第44页 |
| 4.2.3 人脸重排序 | 第44页 |
| 4.2.4 GPU并行优化 | 第44-45页 |
| 4.3 快速人脸搜索算法实验与分析 | 第45-50页 |
| 4.3.1 二级索引人脸搜索算法实验与分析 | 第45-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 人脸识别系统总体设计 | 第51-58页 |
| 5.1 系统功能及需求 | 第51页 |
| 5.2 系统架构 | 第51-52页 |
| 5.3 关键技术及原理 | 第52-53页 |
| 5.3.1 任务调度策略 | 第52页 |
| 5.3.2 负载均衡策略 | 第52-53页 |
| 5.3.3 人脸搜索策略 | 第53页 |
| 5.4 核心流程 | 第53-57页 |
| 5.4.1 系统启动流程 | 第53-54页 |
| 5.4.2 人脸验证流程 | 第54-55页 |
| 5.4.3 人脸创建流程 | 第55-56页 |
| 5.4.4 人脸搜索流程 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 人脸识别系统详细设计与实现 | 第58-78页 |
| 6.1 人脸识别系统交互协议设计 | 第58-60页 |
| 6.1.1 通信报文定义 | 第58页 |
| 6.1.2 GW与CU的交互协议 | 第58-60页 |
| 6.2 人脸识别系统的详细设计 | 第60-63页 |
| 6.2.1 GW模块划分 | 第60页 |
| 6.2.2 GW总体框架 | 第60页 |
| 6.2.3 CU模块划分 | 第60-62页 |
| 6.2.4 CU总体框架 | 第62-63页 |
| 6.3 人脸识别系统的实现 | 第63-71页 |
| 6.3.1 GW主要功能模块的实现 | 第63-66页 |
| 6.3.1.1 网络通信模块的实现 | 第63页 |
| 6.3.1.2 任务管理模块的实现 | 第63-64页 |
| 6.3.1.3 缓存管理模块的实现 | 第64页 |
| 6.3.1.4 定时器模块的实现 | 第64-66页 |
| 6.3.2 CU主控进程模块的实现 | 第66-68页 |
| 6.3.2.1 网络通信模块的实现 | 第66页 |
| 6.3.2.2 进程管理模块的实现 | 第66-67页 |
| 6.3.2.3 CU管理模块的实现 | 第67页 |
| 6.3.2.4 定时器模块的实现 | 第67-68页 |
| 6.3.3 CU工作进程模块的实现 | 第68-71页 |
| 6.3.3.1 网络通信模块的实现 | 第68页 |
| 6.3.3.2 任务管理模块的实现 | 第68-69页 |
| 6.3.3.3 线程池模块的实现 | 第69页 |
| 6.3.3.4 算法库模块的实现 | 第69-71页 |
| 6.4 人脸识别系统的关键流程 | 第71-77页 |
| 6.4.1 GW的关键流程 | 第71-73页 |
| 6.4.1.1 人脸验证流程 | 第71页 |
| 6.4.1.2 人脸库创建流程 | 第71-72页 |
| 6.4.1.3 人脸搜索流程 | 第72-73页 |
| 6.4.2 CU的关键流程 | 第73-77页 |
| 6.4.2.1 人脸特征提取流程 | 第73-74页 |
| 6.4.2.2 人脸验证流程 | 第74-75页 |
| 6.4.2.3 人脸库创建流程 | 第75-76页 |
| 6.4.2.4 人脸搜索流程 | 第76-77页 |
| 6.5 本章小结 | 第77-78页 |
| 第七章 系统测试 | 第78-86页 |
| 7.1 测试环境 | 第78页 |
| 7.2 测试部署 | 第78页 |
| 7.3 测试工具 | 第78-79页 |
| 7.4 测试数据 | 第79页 |
| 7.5 功能测试 | 第79-82页 |
| 7.5.1 人脸验证功能测试 | 第79-80页 |
| 7.5.2 人脸库创建功能测试 | 第80-81页 |
| 7.5.3 人脸搜索功能测试 | 第81-82页 |
| 7.6 性能测试 | 第82-85页 |
| 7.6.1 测试数据组织 | 第82页 |
| 7.6.2 计算节点数目对系统性能的影响 | 第82-83页 |
| 7.6.2.1 测试方法 | 第82页 |
| 7.6.2.2 测试结果及分析 | 第82-83页 |
| 7.6.3 人脸识别系统的QPS、响应延时 | 第83-85页 |
| 7.6.3.1 测试方法 | 第83-84页 |
| 7.6.3.2 测试结果及分析 | 第84-85页 |
| 7.7 本章小结 | 第85-86页 |
| 第八章 结论和展望 | 第86-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 攻硕期间取得的研究成果 | 第92-93页 |
