| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文的研究内容 | 第9-10页 |
| 1.4 论文的组织结构 | 第10-11页 |
| 第二章 相关技术基础 | 第11-21页 |
| 2.1 图像处理技术 | 第11-12页 |
| 2.2 人工神经网络 | 第12-15页 |
| 2.2.1 深度神经网络简介 | 第12-13页 |
| 2.2.2 卷积神经网络简介 | 第13-15页 |
| 2.3 GPU高性能编程 | 第15-17页 |
| 2.3.1 GPU通用计算 | 第15-16页 |
| 2.3.2 CUDA技术 | 第16-17页 |
| 2.4 异步随机梯度下降算法 | 第17-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于GPU的Laplacian算法优化方案 | 第21-32页 |
| 3.1 图像预处理过程的GPU优化 | 第21-28页 |
| 3.1.1 Laplacian算法简介及并行化分析 | 第21-24页 |
| 3.1.2 Laplacian算法的GPU优化 | 第24-28页 |
| 3.2 实验及性能分析 | 第28-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 基于GPU的卷积神经网络图像特征提取方案 | 第32-50页 |
| 4.1 基于GPU的卷积神经网络的研究 | 第32-42页 |
| 4.1.1 卷积神经网络的实现 | 第32-39页 |
| 4.1.2 传统多GPU加速训练卷积神经网络 | 第39-42页 |
| 4.2 混合并行交替式加速模型 | 第42-46页 |
| 4.3 实验及性能分析 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 原型系统的设计与实现 | 第50-57页 |
| 5.1 人脸图像识别原型系统 | 第50-55页 |
| 5.1.1 系统概述 | 第50-51页 |
| 5.1.2 系统整体框架 | 第51-55页 |
| 5.2 系统测试与分析 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录1 攻读硕士学位期间申请的专利 | 第62-63页 |
| 致谢 | 第63页 |