| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 人脸识别技术的发展过程 | 第12页 |
| 1.2.2 人脸识别技术的热点 | 第12-13页 |
| 1.2.3 主要存在的问题 | 第13-14页 |
| 1.3 主要研究内容及论文结构 | 第14-16页 |
| 第2章 基于深度学习的人脸识别算法理论 | 第16-32页 |
| 2.1 人脸数据集清洗及增广 | 第16-17页 |
| 2.2 深度卷积神经网络结构 | 第17-23页 |
| 2.3 深度学习损失函数 | 第23-28页 |
| 2.4 姿态变化 | 第28-30页 |
| 2.5 小样本学习 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 基于视觉相似性的数据清洗 | 第32-47页 |
| 3.1 人脸识别基本流程 | 第32-33页 |
| 3.2 基于视觉相似性的数据清洗算法 | 第33-38页 |
| 3.2.1 训练集预处理 | 第33-36页 |
| 3.2.2 训练集清洗算法 | 第36-38页 |
| 3.3 数据清洗实验 | 第38-46页 |
| 3.3.1 实验设置 | 第38-40页 |
| 3.3.2 人脸数据集及测试标准 | 第40-43页 |
| 3.3.3 常规清洗方法实验 | 第43-44页 |
| 3.3.4 图片数影响实验 | 第44页 |
| 3.3.5 基于K-means的数据清洗实验 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 基于Triplet-awared Center Loss人脸识别算法 | 第47-58页 |
| 4.1 Triplet-awared Center Loss损失函数 | 第47-51页 |
| 4.2 MNIST对比实验 | 第51-52页 |
| 4.3 Triplet-awared Center Loss实验 | 第52-57页 |
| 4.3.1 Triplet-awared Center Loss参数分析实验 | 第52-54页 |
| 4.3.2 Loss曲线分析 | 第54-55页 |
| 4.3.3 现有算法比较 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 人脸识别算法的影响因素分析 | 第58-66页 |
| 5.1 基于深度卷积网络的影响因素分析实验 | 第58-63页 |
| 5.2 遮挡影响因素分析实验 | 第63-65页 |
| 5.3 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第74页 |
