基于卷积神经网络的人脸确认研究
| 中文摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 传统人脸识别方法 | 第9-11页 |
| 1.3.1 基于模板匹配的方法 | 第10页 |
| 1.3.2 基于统计分析的方法 | 第10页 |
| 1.3.3 基于几何特征的方法 | 第10-11页 |
| 1.3.4 基于传统神经网络的方法 | 第11页 |
| 1.4 基于卷积神经网络的人脸识别 | 第11-12页 |
| 1.5 主要研究内容 | 第12-13页 |
| 第二章 卷积神经网络的理论基础 | 第13-21页 |
| 2.1 神经网络的理论基础 | 第13-17页 |
| 2.1.1 前馈神经网络结构 | 第13-15页 |
| 2.1.2 反向传播算法 | 第15-17页 |
| 2.2 卷积神经网络的组成 | 第17-21页 |
| 2.2.1 卷积层 | 第18页 |
| 2.2.2 池化层 | 第18-19页 |
| 2.2.3 全连接层 | 第19-21页 |
| 第三章 经典卷积网络模型 | 第21-26页 |
| 3.1 LeNet-5网络模型结构 | 第21-22页 |
| 3.2 VGGNet网络模型结构 | 第22-23页 |
| 3.3 DeepID网络模型结构 | 第23-26页 |
| 第四章 网络模型结构的设计 | 第26-38页 |
| 4.1 模型设计背景 | 第26-28页 |
| 4.2 多任务学习网络模型 | 第28-31页 |
| 4.3 网络模型的损失函数 | 第31-34页 |
| 4.3.1 SoftmaxLoss损失函数 | 第31-32页 |
| 4.3.2 CenterLoss损失函数 | 第32-34页 |
| 4.4 模型训练的数据集 | 第34-36页 |
| 4.4.1 训练集 | 第34-35页 |
| 4.4.2 测试集 | 第35-36页 |
| 4.5 实验结果与分析 | 第36-38页 |
| 4.5.1 实验结果 | 第36页 |
| 4.5.2 结果分析 | 第36-38页 |
| 第五章 总结与展望 | 第38-39页 |
| 参考文献 | 第39-43页 |
| 作者简介 | 第43-44页 |
| 致谢 | 第44页 |
