| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 课题研究背景及重要性 | 第13-14页 |
| 1.2 人脸识别技术简介 | 第14-19页 |
| 1.2.1 发展历程 | 第14-16页 |
| 1.2.2 人脸识别技术的研究内容 | 第16-19页 |
| 1.3 人脸识别技术面临的挑战 | 第19页 |
| 1.4 本文主要工作 | 第19-22页 |
| 第二章 大规模人脸数据集及其复杂样本构建方法 | 第22-30页 |
| 2.1 人脸数据集介绍 | 第22-23页 |
| 2.2 人脸数据集的构建 | 第23-24页 |
| 2.3 基于光照系数的样本构建方法 | 第24-26页 |
| 2.4 对比试验 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于深度学习框架的人脸识别学习算法 | 第30-50页 |
| 3.1 面向人脸的特征表达简介 | 第30-31页 |
| 3.2 常用网络结构及其训练方法 | 第31-35页 |
| 3.3 Soft Triplets训练方法 | 第35-39页 |
| 3.3.1 Triplets训练方法 | 第35-37页 |
| 3.3.2 Soft-Triplets样本选择策略 | 第37-39页 |
| 3.4 对比实验 | 第39-49页 |
| 3.4.1 在较浅层网络结构上的实验 | 第41-43页 |
| 3.4.2 带特征融合的传统网络上的实验 | 第43-46页 |
| 3.4.3 全网络特征压缩结构上的实验 | 第46-47页 |
| 3.4.4 多尺度结构上的实验 | 第47页 |
| 3.4.5 实验结论 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 面向人脸验证的特征融合方法 | 第50-60页 |
| 4.1 常用人脸验证算法介绍 | 第50页 |
| 4.2 Joint Bayesian人脸特征建模技术 | 第50-52页 |
| 4.3 基于监督训练的特征线性融合技术 | 第52-56页 |
| 4.3.1 在不同人验证假设(H_E)下 | 第53页 |
| 4.3.2 在不同人验证假设(H_I)下 | 第53-54页 |
| 4.3.3 特征融合方案 | 第54-55页 |
| 4.3.4 优化算法 | 第55-56页 |
| 4.4 对比实验 | 第56-58页 |
| 4.4.1 特征融合结果 | 第56-57页 |
| 4.4.2 特征融合学习算法的有效性和效率 | 第57-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 结束语 | 第60-62页 |
| 5.1 工作总结 | 第60页 |
| 5.2 下一步工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 作者在学期间取得的学术成果 | 第68页 |