基于低秩约束的人脸识别算法研究与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 传统的人脸识别算法 | 第12-14页 |
| 1.2.2 深度学习人脸识别算法 | 第14页 |
| 1.3 本文的研究任务和章节安排 | 第14-17页 |
| 1.3.1 本文主要研究内容 | 第14-15页 |
| 1.3.2 论文章节安排 | 第15-17页 |
| 第2章 基于低秩支持的极限学习机人脸识别算法 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 基于低秩支持的极限学习机人脸识别算法 | 第17-23页 |
| 2.2.1 预分类 | 第18-19页 |
| 2.2.2 低秩矩阵恢复 | 第19-20页 |
| 2.2.3 低秩支持的极限学习机人脸识别算法 | 第20-23页 |
| 2.3 实验结果及分析 | 第23-30页 |
| 2.3.1 低秩矩阵恢复 | 第23-24页 |
| 2.3.2 人脸识别算法性能 | 第24-26页 |
| 2.3.3 不同分类器下的识别率 | 第26-28页 |
| 2.3.4 不同分类器的分类效率 | 第28页 |
| 2.3.5 LSELM vs PCANet | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于低秩约束的协作表示的人脸识别算法 | 第31-45页 |
| 3.1 引言 | 第31-32页 |
| 3.2 低秩约束的协作表示的人脸识别算法 | 第32-36页 |
| 3.2.1 低秩约束的协作表示 | 第33-36页 |
| 3.2.2 分类 | 第36页 |
| 3.3 实验结果及分析 | 第36-43页 |
| 3.3.1 数据库 | 第36-38页 |
| 3.3.2 不同数据库的识别率 | 第38-40页 |
| 3.3.3 不同噪声条件下的识别率 | 第40-42页 |
| 3.3.4 LCRC vs PCANet | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 低秩约束人脸识别算法实现 | 第45-53页 |
| 4.1 功能设计 | 第45页 |
| 4.2 实验设备与环境 | 第45-46页 |
| 4.3 主要功能模块介绍 | 第46-51页 |
| 4.3.1 示例 | 第47-48页 |
| 4.3.2 实际场景 | 第48-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53页 |
| 5.2 不足与展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士期间已发表的论文 | 第61-63页 |
| 致谢 | 第63页 |
