基于协作表示和孪生网络的小样本人脸识别
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 人脸识别的挑战 | 第14-15页 |
| 1.4 研究内容及章节安排 | 第15-17页 |
| 第二章 人脸识别技术相关背景知识 | 第17-33页 |
| 2.1 人脸识别系统的组成和性能评价 | 第17-20页 |
| 2.1.1 人脸识别系统的组成 | 第17-19页 |
| 2.1.2 评价指标 | 第19-20页 |
| 2.2 基于稀疏表示的人脸识别相关算法 | 第20-24页 |
| 2.2.1 稀疏编码及SRC算法 | 第20-22页 |
| 2.2.2 协同表示及CRC算法 | 第22-24页 |
| 2.3 卷积神经网络概述 | 第24-32页 |
| 2.3.1 卷积层 | 第24-26页 |
| 2.3.2 池化层 | 第26-27页 |
| 2.3.3 分类器 | 第27-28页 |
| 2.3.4 网络训练 | 第28-30页 |
| 2.3.5 AlexNet网络 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于局部结构的多尺度协作表示人脸识别算法 | 第33-44页 |
| 3.1 基于块的协作表示算法 | 第33-34页 |
| 3.2 基于局部结构的多尺度块协作表示分类算法 | 第34-39页 |
| 3.2.1 局部结构 | 第35-37页 |
| 3.2.2 基于多尺度的块协作表示 | 第37-39页 |
| 3.3 仿真与实验 | 第39-42页 |
| 3.3.1 Yale B人脸数据集上的实验 | 第40-41页 |
| 3.3.2 AR人脸数据集上的实验 | 第41-42页 |
| 3.3.3 计算复杂度的分析 | 第42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于孪生网络的小样本人脸识别算法 | 第44-56页 |
| 4.1 孪生网络的基本思想 | 第44-45页 |
| 4.2 面向人脸识别的孪生网络模型设计 | 第45-48页 |
| 4.2.1 SiameseFace1模型 | 第45-46页 |
| 4.2.2 SiameseFace2模型 | 第46-48页 |
| 4.3 对比损失函数 | 第48页 |
| 4.4 训练数据 | 第48-50页 |
| 4.5 实验结果及分析 | 第50-55页 |
| 4.5.1 网络模型及参数对比 | 第51-52页 |
| 4.5.2 AR数据集实验 | 第52-53页 |
| 4.5.3 LFW数据集实验 | 第53-54页 |
| 4.5.4 损失函数对比实验 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-59页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 附录 (攻读硕士学位期间发表和录用的学术论文) | 第64页 |
