基于卷积神经网络的人脸识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及研究意义 | 第10页 |
| 1.2 国内外研究状况 | 第10-16页 |
| 1.2.1 传统人脸识别的发展 | 第12-15页 |
| 1.2.2 基于深度学习的人脸识别技术 | 第15-16页 |
| 1.3 论文的主要内容和结构安排 | 第16-18页 |
| 第2章 卷积神经网络的理论基础 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 神经网络的理论基础 | 第18-24页 |
| 2.2.1 前馈神经网络的结构 | 第18-19页 |
| 2.2.2 梯度下降算法 | 第19-22页 |
| 2.2.3 误差反向传播算法 | 第22-24页 |
| 2.3 卷积神经网络的基本特性和组成结构 | 第24-29页 |
| 2.3.1 卷积神经网络的局部感知 | 第25页 |
| 2.3.2 卷积神经网络的权值共享 | 第25-26页 |
| 2.3.3 卷积神经网络的激活函数 | 第26-27页 |
| 2.3.4 卷积神经网络的各个计算层 | 第27-29页 |
| 2.4 卷积神经网络的典型应用 | 第29-31页 |
| 2.4.1 LeNet-5手写数字识别 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 卷积神经网络的人脸识别 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 人脸图像数据集 | 第32-34页 |
| 3.3 卷积神经网络结构设计 | 第34-36页 |
| 3.4 网络模型训练及其优化 | 第36-43页 |
| 3.4.1 实验硬件环境 | 第36页 |
| 3.4.2 网络训练算法及各个参数选取 | 第36-37页 |
| 3.4.3 相关参数对实验结果的影响 | 第37-43页 |
| 3.5 改进的网络模型 | 第43-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 人脸识别系统设计 | 第48-55页 |
| 4.1 引言 | 第48页 |
| 4.2 系统设计 | 第48-49页 |
| 4.2.1 系统概述 | 第48-49页 |
| 4.2.2 特征对比验证 | 第49页 |
| 4.3 系统性能分析 | 第49-54页 |
| 4.3.1 人脸库建立 | 第50-51页 |
| 4.3.2 测试过程和结果分析 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 本文工作总结 | 第55页 |
| 5.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 附录 | 第62页 |
