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 |