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

复杂场景低分辨率人脸识别及其在身份识别系统的应用

摘要第5-6页
abstract第6-7页
第一章 绪论第11-19页
    1.1 课题研究背景及意义第11-12页
    1.2 人脸识别技术第12-13页
        1.2.1 传统人脸识别技术第12-13页
        1.2.2 深度学习在人脸识别中的应用第13页
    1.3 低分辨率人脸识别研究近况第13-15页
        1.3.1 复杂场景简介第13-14页
        1.3.2 低分辨率人脸识别问题第14页
        1.3.3 国内外研究状况第14-15页
    1.4 本文研究内容与组织结构第15-19页
        1.4.1 研究内容第15-17页
        1.4.2 组织结构第17-19页
第二章 低分辨率人脸识别和深度学习理论第19-38页
    2.1 引言第19页
    2.2 低分辨率人脸识别概述第19-22页
        2.2.1 基本概念第19-20页
        2.2.2 识别框架第20-21页
        2.2.3 识别方法分类第21-22页
    2.3 超分辨率重建识别方法第22-27页
        2.3.1 基于插值的重建方法第22-24页
        2.3.2 基于重建的重建方法第24-26页
        2.3.3 基于学习的重建方法第26-27页
    2.4 分辨率稳健特征表达识别方法第27-28页
    2.5 深度学习理论基础第28-36页
        2.5.1 深度学习介绍第28-30页
        2.5.2 卷积神经网络第30-34页
        2.5.3 非线性激活函数第34-36页
    2.6 本章小结第36-38页
第三章 人脸检测及图像预处理第38-51页
    3.1 引言第38页
    3.2 人脸检测第38-42页
        3.2.1 级联分类器第38-39页
        3.2.2 人脸检测第39-42页
    3.3 数据集扩充第42-45页
        3.3.1 图像下采样第42-43页
        3.3.2 常用数据扩充方法第43-45页
    3.4 图像预处理第45-49页
        3.4.1 图像灰度化第46-47页
        3.4.2 高斯滤波第47-48页
        3.4.3 直方图均衡化第48-49页
    3.5 本章小结第49-51页
第四章 基于CNN的超分辨率重建第51-69页
    4.1 引言第51页
    4.2 卷积神经网络介绍第51-58页
        4.2.1 核心概念第51-52页
        4.2.2 基本结构第52-53页
        4.2.3 前向传播第53页
        4.2.4 反向传播第53-58页
    4.3 改进的CNN超分辨率重建第58-62页
        4.3.1 网络结构第58-61页
        4.3.2 训练方法第61-62页
    4.4 实验对比与分析第62-68页
        4.4.1 图像质量评估标准第62-63页
        4.4.2 网络调优第63-68页
    4.5 本章小节第68-69页
第五章 基于CNN的低分辨率人脸识别第69-86页
    5.1 引言第69页
    5.2 网络结构第69-71页
    5.3 数据扩充和预处理第71-72页
    5.4 参数设定和网络训练第72-83页
        5.4.1 参数初始化第72-73页
        5.4.2 激活函数第73-74页
        5.4.3 损失函数第74-75页
        5.4.4 网络正则化第75-76页
        5.4.5 训练过程第76-83页
    5.5 实验结果与分析第83-85页
    5.6 本章小结第85-86页
第六章 低分辨率识别技术在身份识别系统的应用第86-93页
    6.1 引言第86页
    6.2 需求分析第86-87页
        6.2.1 功能需求第86页
        6.2.2 系统开发环境第86-87页
    6.3 系统设计第87-89页
    6.4 实现与展示第89-92页
        6.4.1 系统界面实现第89-90页
        6.4.2 功能展示第90-92页
    6.5 本章小结第92-93页
第七章 总结和展望第93-95页
    7.1 论文总结第93-94页
    7.2 工作展望第94-95页
致谢第95-96页
参考文献第96-101页
攻硕期间取得的成果第101-102页

论文共102页,点击 下载论文
上一篇:基于视觉内容的实例搜索
下一篇:信息抽取算法在家电企业网评情感分析中的应用研究