| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 人脸识别研究现状 | 第12-13页 |
| 1.3 卷积神经网络概述 | 第13-16页 |
| 1.3.1 基本概念 | 第13-14页 |
| 1.3.2 研究现状 | 第14页 |
| 1.3.3 卷积神经网络与人脸识别 | 第14-15页 |
| 1.3.4 深度卷积神经网络存在的困难 | 第15-16页 |
| 1.4 本文的主要工作 | 第16-17页 |
| 1.5 本文的组织结构 | 第17-18页 |
| 第二章 卷积神经网络模型及其相关基础 | 第18-27页 |
| 2.1 卷积神经网络结构 | 第18-21页 |
| 2.1.1 基本神经元 | 第18页 |
| 2.1.2 人工神经网络 | 第18-19页 |
| 2.1.3 卷积神经网络 | 第19-21页 |
| 2.2 训练策略 | 第21-22页 |
| 2.2.1 前向传播 | 第21页 |
| 2.2.2 反向传播 | 第21-22页 |
| 2.2.3 卷积神经网络的训练 | 第22页 |
| 2.3 正则化技术 | 第22-25页 |
| 2.3.1 L1正则化 | 第23页 |
| 2.3.2 L2正则化 | 第23-24页 |
| 2.3.3 Dropout正则化 | 第24-25页 |
| 2.4 基于卷积神经网络的人脸识别框架 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 一种利用知识迁移的卷积神经网络训练策略 | 第27-40页 |
| 3.1 问题提出 | 第27-28页 |
| 3.2 相关基础 | 第28-30页 |
| 3.2.1 知识提取 | 第28-29页 |
| 3.2.2 特征选择 | 第29-30页 |
| 3.3 训练策略 | 第30-34页 |
| 3.3.1 PST训练策略 | 第30-32页 |
| 3.3.2 MMT训练策略 | 第32-34页 |
| 3.3.3 结合PST和MMT的训练策略 | 第34页 |
| 3.4 实验与结果分析 | 第34-39页 |
| 3.4.1 实验设计 | 第34-36页 |
| 3.4.2 实验结果分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 一种卷积神经网络的稀疏性Dropout正则化方法 | 第40-49页 |
| 4.1 问题提出 | 第40-41页 |
| 4.2 神经网络的稀疏性 | 第41页 |
| 4.3 基于稀疏性的Dropout正则化方法 | 第41-44页 |
| 4.3.1 算法思想 | 第41-42页 |
| 4.3.2 算法描述 | 第42-44页 |
| 4.4 实验与结果分析 | 第44-48页 |
| 4.4.1 实验设计 | 第44页 |
| 4.4.2 实验结果分析 | 第44-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 基于KL距离的卷积神经网络人脸特征提取模型 | 第49-56页 |
| 5.1 问题提出 | 第49页 |
| 5.2 相关基础 | 第49-50页 |
| 5.3 基于KL距离的度量学习方法 | 第50-53页 |
| 5.3.1 方法描述 | 第50-52页 |
| 5.3.2 模型构建 | 第52-53页 |
| 5.4 实验与结果分析 | 第53-55页 |
| 5.4.1 模型训练 | 第53-54页 |
| 5.4.2 实验结果分析 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第六章 结论与展望 | 第56-58页 |
| 6.1 结论 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 附录 (攻读硕士学位期间发表论文目录) | 第64页 |