| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 人脸识别的应用背景 | 第10-11页 |
| 1.2 国内外的研究成果及发展趋势 | 第11-14页 |
| 1.3 研究的主要难点 | 第14-16页 |
| 1.3.1 人脸识别研究的主要难点 | 第14-15页 |
| 1.3.2 卷积神经网络研究的主要难点 | 第15-16页 |
| 1.4 人脸识别的一般流程 | 第16-19页 |
| 1.5 本论文的主要内容 | 第19-20页 |
| 第二章 人工神经网络和卷积神经网络的结构及算法 | 第20-32页 |
| 2.1 人工神经网络的理论基础 | 第20-26页 |
| 2.1.1 单个神经元 | 第20-21页 |
| 2.1.2 前馈神经网络 | 第21-22页 |
| 2.1.3 误差反向传播算法 | 第22-26页 |
| 2.2 卷积神经网络 | 第26-31页 |
| 2.2.1 卷积神经网络的结构 | 第26-27页 |
| 2.2.2 激活函数 | 第27-28页 |
| 2.2.3 卷积神经网络的各个计算层 | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 基于卷积神经网络的人脸识别研究 | 第32-50页 |
| 3.1 卷积神经网络与人脸识别 | 第32-33页 |
| 3.2 卷积神经网络的结构设计 | 第33-35页 |
| 3.3 基于不同人脸库上的实验结果分析 | 第35-48页 |
| 3.3.1 基于YaleB人脸库上的实验结果分析 | 第35-39页 |
| 3.3.2 基于ORL人脸库上的实验结果分析 | 第39-44页 |
| 3.3.3 基于自建人脸库上的实验结果分析 | 第44-48页 |
| 3.4 比较分析卷积神经网络与传统人脸识别方法 | 第48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 基于深度卷积神经网络的人脸识别研究 | 第50-70页 |
| 4.1 深度学习 | 第50-52页 |
| 4.1.1 什么是深度学习 | 第50-52页 |
| 4.1.2 浅层网络与深度网络的比较 | 第52页 |
| 4.2 建立深度卷积神经网络模型 | 第52-57页 |
| 4.2.1 单个深度卷积神经网络的构建 | 第52-54页 |
| 4.2.2 单个深度卷积神经网络的训练过程 | 第54页 |
| 4.2.3 Dropout技术 | 第54-55页 |
| 4.2.4 构建多列深度卷积神经网络及改进 | 第55-57页 |
| 4.3 深度卷积神经网络在自建人脸库仿真结果及分析 | 第57-61页 |
| 4.3.1 人脸库的选择及预处理 | 第57-58页 |
| 4.3.2 深度卷积神经网络层数及参数选择 | 第58-59页 |
| 4.3.3 仿真与分析 | 第59-61页 |
| 4.4 改进多列深度卷积神经网络在人脸库的仿真结果及分析 | 第61-65页 |
| 4.4.1 改进多列深度卷积神经网络参数 | 第61-62页 |
| 4.4.2 自建人脸库仿真分析 | 第62-63页 |
| 4.4.3 LFW人脸库仿真分析 | 第63-65页 |
| 4.5 人脸识别实现 | 第65-67页 |
| 4.5.1 人脸库的选择 | 第65页 |
| 4.5.2 测试结果 | 第65-67页 |
| 4.6 本章小结 | 第67-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 附录A 攻读硕士学位期间发表论文 | 第78-80页 |
| 附录B 代码 | 第80-99页 |