| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 人脸识别的研究现状 | 第11-13页 |
| 1.2.2 伪装人脸识别的研究现状 | 第13-14页 |
| 1.3 伪装人脸识别研究的主要难点 | 第14-15页 |
| 1.4 本文的主要工作 | 第15-16页 |
| 1.5 本文的组织与结构 | 第16-18页 |
| 第二章 基于深度学习的人脸识别 | 第18-37页 |
| 2.1 人脸识别的流程 | 第18页 |
| 2.2 人脸检测 | 第18-23页 |
| 2.3 人脸对齐 | 第23-24页 |
| 2.4 特征提取 | 第24-35页 |
| 2.4.1 损失函数 | 第25-31页 |
| 2.4.2 数据集 | 第31-33页 |
| 2.4.3 网络结构 | 第33-35页 |
| 2.5 特征比对 | 第35-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第三章 基于迁移训练的伪装人脸识别 | 第37-52页 |
| 3.1 两阶段训练方案 | 第37-40页 |
| 3.1.1 整体框架 | 第37-38页 |
| 3.1.2 一般人脸识别训练 | 第38页 |
| 3.1.3 向伪装人脸识别的迁移训练 | 第38-39页 |
| 3.1.4 约束正样本对距离的必要性 | 第39-40页 |
| 3.2 DFW数据集的测试协议 | 第40-42页 |
| 3.2.1 测试协议 | 第41页 |
| 3.2.2 性能评价标准 | 第41-42页 |
| 3.3 实验 | 第42-49页 |
| 3.3.1 数据集 | 第42-43页 |
| 3.3.2 网络结构 | 第43-44页 |
| 3.3.3 训练细节 | 第44-46页 |
| 3.3.4 DFW测试结果评价 | 第46-49页 |
| 3.4 基于LFW数据集进行的测试 | 第49-51页 |
| 3.4.1 训练细节 | 第49-50页 |
| 3.4.2 训练结果 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于分段间距损失函数的人脸识别 | 第52-63页 |
| 4.1 导出函数 | 第52-54页 |
| 4.2 对比分析 | 第54-55页 |
| 4.3 实验 | 第55-62页 |
| 4.3.1 数据集 | 第56页 |
| 4.3.2 网络设定 | 第56-58页 |
| 4.3.3 训练细节 | 第58-59页 |
| 4.3.4 LFW上的实验结果 | 第59-60页 |
| 4.3.5 DFW上的实验结果 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 基于融合数据集的伪装人脸识别 | 第63-70页 |
| 5.1 LFW与 DFW的融合 | 第63-66页 |
| 5.1.1 配对策略 | 第63-64页 |
| 5.1.2 实验结果 | 第64-66页 |
| 5.2 CASIA-Web Face与 DFW的融合 | 第66-69页 |
| 5.2.1 配对策略 | 第66-67页 |
| 5.2.2 实验结果 | 第67-69页 |
| 5.3 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第77-78页 |
| 附录2 攻读硕士学位期间申请的专利 | 第78-79页 |
| 致谢 | 第79页 |