| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景和动机 | 第11页 |
| 1.2 国内外研究概况 | 第11-14页 |
| 1.3 本文工作 | 第14-15页 |
| 1.4 本文结构 | 第15-16页 |
| 第二章 基于全局语义和局部语义的人脸特征表示 | 第16-30页 |
| 2.1 图像预处理 | 第18-25页 |
| 2.1.1 关键点检测 | 第18-20页 |
| 2.1.2 人脸规范化 | 第20-22页 |
| 2.1.3 区域分割 | 第22-25页 |
| 2.2 卷积神经网络 | 第25-28页 |
| 2.2.1 网络结构 | 第26-27页 |
| 2.2.2 人脸识别应用 | 第27-28页 |
| 2.3 GSF特征 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于全局语义的哈希编码和属性学习 | 第30-46页 |
| 3.1 深度卷积神经网络的全局语义模型 | 第30-31页 |
| 3.2 基于身份和编码稳定性约束的哈希编码学习算法 | 第31-37页 |
| 3.2.1 算法原理 | 第31-33页 |
| 3.2.2 实验设置 | 第33-35页 |
| 3.2.3 性能及分析 | 第35-37页 |
| 3.3 判别性属性学习 | 第37-45页 |
| 3.3.1 实验设置 | 第39-41页 |
| 3.3.2 性能及分析 | 第41-42页 |
| 3.3.3 分类器微调 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于局部区域的参考人分类器学习 | 第46-57页 |
| 4.1 局部参考人选取策略 | 第46-49页 |
| 4.2 局部参考人分类器学习 | 第49-54页 |
| 4.2.1 局部参考人分类器学习 | 第49-51页 |
| 4.2.2 实验设置 | 第51-52页 |
| 4.2.3 性能及分析 | 第52-54页 |
| 4.3 本文整体方案的实验及分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结 | 第57-59页 |
| 5.1 本文工作总结 | 第57页 |
| 5.2 进一步工作 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 附录 研究生期间论文发表 | 第64-65页 |
| 致谢 | 第65-66页 |