| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国内研究现状 | 第13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.3 本文主要工作及章节安排 | 第14-17页 |
| 第二章 人脸图像采集及预处理方法 | 第17-29页 |
| 2.1 人脸数据集采集及待解决问题解析 | 第17-18页 |
| 2.2 图像预处理相关技术 | 第18-27页 |
| 2.2.1 基于深度卷积网络的人脸图像重建 | 第18-21页 |
| 2.2.2 基于快速精确的超分辨率图像构建技术 | 第21-25页 |
| 2.2.3 基于限制对比度自适应直方图均衡化的图像增强 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 人脸检测对齐与仿射变换融合算法及实现 | 第29-43页 |
| 3.1 人脸检测对齐研究方法概述 | 第29-33页 |
| 3.1.1 基于自编码器网络的人脸检测对齐方法 | 第30-32页 |
| 3.1.2 回归树集合评估脸部关键点的对齐方法 | 第32-33页 |
| 3.2 多任务卷积神经网络人脸检测和对齐 | 第33-39页 |
| 3.2.1 多任务卷积神经网络原理与实现 | 第34-35页 |
| 3.2.2 多任务卷积神经网络算法与框架实现 | 第35-39页 |
| 3.3 基于人脸图像的仿射变换 | 第39-41页 |
| 3.4 人脸对齐与仿射变换的融合的方法 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于特征学习的人脸验证方法 | 第43-57页 |
| 4.1 残差网络介绍 | 第43-45页 |
| 4.2 距离度量学习概述 | 第45-46页 |
| 4.3 卷积神经网络及相关构成要素 | 第46-49页 |
| 4.4 SoftmaxLoss与CenterLoss联合监督信号的特征分类 | 第49-53页 |
| 4.5 人脸验证特征处理及框架设计 | 第53-56页 |
| 4.5.1 人脸验证技术方法 | 第53-55页 |
| 4.5.2 多网络融合及框架设计 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 实验与结果分析 | 第57-72页 |
| 5.1 训练集与测试集介绍 | 第57-58页 |
| 5.2 实验软硬件平台搭建 | 第58-59页 |
| 5.3 特征提取网络的训练与特征输出 | 第59-61页 |
| 5.4 基于人脸对齐网络与人脸验证融合的综合实验 | 第61-69页 |
| 5.5 特征学习人脸验证的应用 | 第69-70页 |
| 5.6 本章小结 | 第70-72页 |
| 第六章 总结及展望 | 第72-74页 |
| 6.1 本文总结 | 第72-73页 |
| 6.2 工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间取得的成果 | 第79页 |