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

灵长类动物面部教据集构建及识别方法研究

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第11-19页
    1.1 研究背景及意义第11-12页
        1.1.1 灵长类数据集的研究背景及意义第11-12页
        1.1.2 灵长类面部检测和识别方法研究背景及意义第12页
    1.2 研究现状第12-16页
        1.2.1 面部数据集研究现状第12-14页
        1.2.2 面部识别技术相关研究第14-15页
        1.2.3 动物个体识别相关研究第15-16页
    1.3 本文研究内容第16-17页
    1.4 本文章节安排第17-19页
第二章 卷积神经网络研究基础第19-29页
    2.1 卷积神经网络的概念第19-20页
    2.2 卷积神经网络的结构第20-22页
        2.2.1 神经网络第20-21页
        2.2.2 卷积神经网络第21-22页
    2.3 卷积神经网络特点分析第22-23页
    2.4 卷积神经网络训练方法第23-24页
    2.5 卷积神经网络典型模型第24-28页
    2.6 本章小结第28-29页
第三章 灵长类面部数据集的建立第29-43页
    3.1 现有野生动物面部数据集分析第29-30页
    3.2 灵长类面部数据集建立的必要性第30页
    3.3 灵长类面部数据集建立的挑战第30-31页
    3.4 灵长类面部数据集的构建第31-37页
        3.4.1 数据采集的基本策略第31-32页
        3.4.2 数据采集的基本规范和要求第32-34页
        3.4.3 数据的处理第34页
        3.4.4 数据集的组建第34-37页
    3.5 数据集的实验验证第37-41页
        3.5.1 个体识别实验第37-38页
        3.5.2 年龄阶段实验第38-40页
        3.5.3 性别识别实验第40-41页
    3.6 本章小结第41-43页
第四章 基于CNN的灵长类面部自动检测方法第43-59页
    4.1 猴类面部特征分析第43-44页
        4.1.1 猴类面部组成与结构第43页
        4.1.2 金丝猴面部色彩和纹理特征分析第43-44页
    4.2 猴面检测算法概述第44-46页
        4.2.1 猴面检测算法总体框架第44-45页
        4.2.2 主要环节概述第45页
        4.2.3 现有方法对比分析第45-46页
    4.3 面部候选区域的提取第46-50页
        4.3.1 肤色/毛色分析与样本查找表的建立第46-48页
        4.3.2 面部邻域的提取、分割与合并第48-50页
    4.4 基于CNN的面部检测方法第50-51页
        4.4.1 卷积神经网络训练第50页
        4.4.2 面部检测分类第50-51页
    4.5 实验与分析第51-58页
        4.5.1 实验数据集及测试环境第51-52页
        4.5.2 实验结果分析第52-57页
        4.5.3 对比实验分析第57-58页
    4.6 本章总结第58-59页
第五章 细粒度的灵长类面部识别方法第59-73页
    5.1 基于CNN的图像深层特征提取第59-60页
    5.2 细粒度特征提取现况第60-61页
    5.3 FCNN基本设计思想第61-63页
        5.3.1 小卷积核思想第61-63页
        5.3.2 现有方法对比分析第63页
    5.4 FCNN网络结构设计第63-67页
        5.4.1 网络整体结构设计第63-65页
        5.4.2 网络中卷积层设计第65页
        5.4.3 网络中池化层设计第65-66页
        5.4.4 全连接层设计第66-67页
    5.5 实验与分析第67-71页
        5.5.1 实验数据集及测试环境第67页
        5.5.2 实验结果与分析第67-71页
    5.6 FCNN进一步改进思路第71页
    5.7 本章总结第71-73页
总结与展望第73-75页
    全文总结第73页
    未来展望第73-75页
参考文献第75-79页
致谢第79-80页
攻读硕士学位期间取得的科研成果第80-81页

论文共81页,点击 下载论文
上一篇:网络控制系统的性能分析及综合方法研究
下一篇:网络新闻热点分布及其热度预测方法研究