人脸识别方法研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 人脸识别方法分类 | 第12-15页 |
| 1.3 论文结构安排 | 第15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 相关工作 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 基于稀疏表示的分类 | 第16-20页 |
| 2.3 深度学习 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于稀疏表示分类的增量人脸识别方法 | 第24-37页 |
| 3.1 引言 | 第24页 |
| 3.2 基于稀疏表示分类的方法 | 第24-25页 |
| 3.3 基于稀疏表示分类的增量人脸识别方法流程图 | 第25-26页 |
| 3.4 字典的构造 | 第26-28页 |
| 3.4.1 部件字典 | 第27-28页 |
| 3.4.2 坏部件过滤 | 第28页 |
| 3.4.3 全局字典 | 第28页 |
| 3.5 增量SRC方法框架 | 第28-30页 |
| 3.5.1 增量SRC方法的基本问题 | 第28-29页 |
| 3.5.2 训练样本分组 | 第29页 |
| 3.5.3 各组间的竞争 | 第29-30页 |
| 3.6 实验结果 | 第30-36页 |
| 3.6.1 数据库介绍 | 第30-31页 |
| 3.6.2 不同分组情况的实验 | 第31-32页 |
| 3.6.3 单样本训练情况的实验 | 第32-33页 |
| 3.6.4 不同正规化尺度下的实验 | 第33-34页 |
| 3.6.5 增量实验 | 第34-35页 |
| 3.6.6 遮挡情况下的实验 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第四章 基于中小规模数据库的深度学习人脸识别方法 | 第37-60页 |
| 4.1 引言 | 第37-38页 |
| 4.2 相关网络介绍 | 第38-45页 |
| 4.2.1 神经网络介绍 | 第38页 |
| 4.2.2 leNet-5网络 | 第38-42页 |
| 4.2.3 DeepFace | 第42-43页 |
| 4.2.4 DeepFace带来的实验思路 | 第43页 |
| 4.2.5 DeepID介绍 | 第43-44页 |
| 4.2.6 DeepID带来的实验思路 | 第44-45页 |
| 4.3 相关实验介绍 | 第45-58页 |
| 4.3.1 caffe介绍 | 第45页 |
| 4.3.2 lenet-5实验结果 | 第45-47页 |
| 4.3.3 池化实验 | 第47-49页 |
| 4.3.4 Dropout实验 | 第49-52页 |
| 4.3.5 多尺度特征实验 | 第52-54页 |
| 4.3.6 激活函数实验 | 第54-56页 |
| 4.3.7 深度实验 | 第56-57页 |
| 4.3.8 全连接层神经元数目实验 | 第57-58页 |
| 4.4 应用于中小规模数据库的网络结构 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间完成的学术成果 | 第65页 |
| 攻读硕士学位期间参与的科研课题 | 第65-66页 |
| 致谢 | 第66-67页 |
