| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 增加网络深度 | 第9-10页 |
| 1.2.2 增加网络宽度 | 第10页 |
| 1.2.3 改进网络结构 | 第10-11页 |
| 1.2.4 修改卷积操作 | 第11页 |
| 1.2.5 修改池化操作 | 第11-12页 |
| 1.2.6 修改激活函数 | 第12-13页 |
| 1.3 存在的主要问题 | 第13-14页 |
| 1.4 本文主要工作及章节安排 | 第14-16页 |
| 2 卷积神经网络 | 第16-28页 |
| 2.1 多层感知机 | 第16-18页 |
| 2.2 卷积神经网络结构 | 第18-23页 |
| 2.2.1 卷积神经网络的结构 | 第18-19页 |
| 2.2.2 局部连接和权值共享 | 第19-20页 |
| 2.2.3 卷积层和池化层 | 第20-21页 |
| 2.2.4 BN层(BatchNormalization,批量标准化) | 第21-22页 |
| 2.2.5 Softmax回归 | 第22-23页 |
| 2.3 卷积网络训练方法 | 第23-27页 |
| 2.3.1 前向传播和后向传播 | 第23-25页 |
| 2.3.2 训练优化算法 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 改进的稀疏残差神经网络 | 第28-40页 |
| 3.1 残差神经网络 | 第28-30页 |
| 3.2 稀疏残差神经网络(SRN) | 第30-32页 |
| 3.2.1 稀疏连接(sparse-connection) | 第30-31页 |
| 3.2.2 ResNet和SRN网络的反向传递特征对比 | 第31页 |
| 3.2.3 两种不同的稀疏残差神经网络 | 第31-32页 |
| 3.3 SRN和ResNet的基本对比标准 | 第32-34页 |
| 3.4 SRN和ResNet实验对比 | 第34-39页 |
| 3.4.1 实验数据介绍和数据增强变换 | 第34-35页 |
| 3.4.2 实验过程 | 第35页 |
| 3.4.3 实验结果和分析 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于稀疏残差神经网络的人脸识别应用 | 第40-53页 |
| 4.1 人脸检测 | 第40-42页 |
| 4.1.1 基于级联分类器的人脸检测算法 | 第41页 |
| 4.1.2 基于弹性不变模型的人脸检测算法 | 第41-42页 |
| 4.1.3 基于神经网络的人脸检测算法 | 第42页 |
| 4.2 人脸对齐 | 第42-43页 |
| 4.3 基于稀疏神经网络的人脸特征提取器 | 第43-45页 |
| 4.4 特征提取网络的训练和实验分析 | 第45-48页 |
| 4.4.1 数据集和预处理 | 第45-46页 |
| 4.4.2 网络训练和实验分析 | 第46-48页 |
| 4.5 人脸识别系统的设计与实现 | 第48-51页 |
| 4.5.1 系统整体框架 | 第49页 |
| 4.5.2 在线人脸识别流程 | 第49-50页 |
| 4.5.3 在线采集存储人脸样本和验证 | 第50-51页 |
| 4.5.4 系统的优点和缺点 | 第51页 |
| 4.6 本章小结 | 第51-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 附录 | 第62页 |
| A.作者在攻读学位期间发表的论文目录 | 第62页 |
| B.作者在攻读学位期间发表的专利目录 | 第62页 |
