局部二值模式和卷积神经网络在多姿态人脸识别中的应用研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 人脸识别技术发展历史 | 第9-11页 |
| 1.2.2 人脸识别主要方法 | 第11-12页 |
| 1.3 研究内容安排 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 组织安排 | 第13-14页 |
| 第二章 人脸特征提取方法介绍 | 第14-27页 |
| 2.1 传统特征提取方法 | 第15-22页 |
| 2.1.1 局部二值模式(LBP) | 第15-17页 |
| 2.1.2 人工神经网络(ANN) | 第17-19页 |
| 2.1.3 二维离散小波变换(DWT) | 第19-22页 |
| 2.2 深度学习特征提取方法 | 第22-25页 |
| 2.2.1 卷积神经网络 | 第22-23页 |
| 2.2.2 卷积神经网络的结构 | 第23-24页 |
| 2.2.3 反向传播 | 第24-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 基于局部二值模式(LBP)的人脸识别算法 | 第27-40页 |
| 3.1 算法概述 | 第27-29页 |
| 3.2 小波分解人脸特征 | 第29-30页 |
| 3.3 LBP提取人脸子图特征 | 第30-33页 |
| 3.4 实验结果和分析 | 第33-39页 |
| 3.4.1 子图不同权值的对比实验 | 第34-35页 |
| 3.4.2 训练数量大小的对比实验 | 第35-36页 |
| 3.4.3 不同算法对比实验 | 第36-37页 |
| 3.4.4 自建数据集下比较实验 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于卷积神经网络的人脸识别算法 | 第40-50页 |
| 4.1 算法概述 | 第40-43页 |
| 4.1.1 总体框架 | 第40-41页 |
| 4.1.2 预训练 | 第41页 |
| 4.1.3 网络结构 | 第41-42页 |
| 4.1.4 激活函数 | 第42页 |
| 4.1.5 网络训练 | 第42-43页 |
| 4.2 实验结果与分析 | 第43-48页 |
| 4.2.1 人脸数据集 | 第43-45页 |
| 4.2.2 实验环境配置 | 第45页 |
| 4.2.3 验证集对比实验 | 第45-46页 |
| 4.2.4 不同转动角度对比实验 | 第46-48页 |
| 4.2.5 LFW对比实验 | 第48页 |
| 4.3 本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51页 |
| 5.3 创新点 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士期间发表论文及参加科研情况 | 第55-56页 |
| 致谢 | 第56-57页 |
