基于深度学习的人脸民族识别
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文主要工作 | 第14-16页 |
| 第2章 构建中国民族人脸数据库 | 第16-30页 |
| 2.1 常用人脸数据库 | 第16-18页 |
| 2.2 构建中国民族人脸数据库 | 第18-25页 |
| 2.2.1 中国民族人脸数据库表结构 | 第18-19页 |
| 2.2.2 网络爬虫 | 第19-25页 |
| 2.3 人脸民族特征 | 第25-27页 |
| 2.4 人脸民族分类算法 | 第27-29页 |
| 2.4.1 K最近邻 | 第27-28页 |
| 2.4.2 SVM支持向量机 | 第28页 |
| 2.4.3 Softmax回归分类器 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于PCA和KNN的人脸民族识别 | 第30-39页 |
| 3.1 PCA算法 | 第30-32页 |
| 3.2 人脸图片预处理 | 第32-35页 |
| 3.2.1 图片灰度化 | 第33-34页 |
| 3.2.2 灰度图片二值化 | 第34-35页 |
| 3.3 实验数据及评价标准 | 第35-36页 |
| 3.3.1 实验数据 | 第35-36页 |
| 3.3.2 评价标准 | 第36页 |
| 3.4 实验结果及分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 人工神经网络和深度学习理论知识 | 第39-49页 |
| 4.1 神经网络的理论知识 | 第39-43页 |
| 4.1.1 神经网络模型 | 第39-41页 |
| 4.1.2 神经网络分类 | 第41-43页 |
| 4.2 深度学习理论知识 | 第43-47页 |
| 4.2.1 深度置信网络 | 第44-45页 |
| 4.2.2 卷积神经网络 | 第45-47页 |
| 4.3 深度学习软件开发框架 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于卷积神经网络的人脸民族识别 | 第49-59页 |
| 5.1 卷积神经网络结构 | 第49-52页 |
| 5.2 训练过程 | 第52-53页 |
| 5.2.1 卷积层梯度计算 | 第52-53页 |
| 5.2.2 下采样层的梯度计算 | 第53页 |
| 5.3 实验结果及分析 | 第53-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 基于集成卷积神经网络的人脸民族识别 | 第59-69页 |
| 6.1 集成学习 | 第59-62页 |
| 6.1.1 集成学习的方式 | 第59-61页 |
| 6.1.2 集成学习的决策方式 | 第61-62页 |
| 6.2 卷积神经网络的集成 | 第62-65页 |
| 6.2.1 集成卷积网络结构 | 第62-65页 |
| 6.3 实验结果及分析 | 第65-68页 |
| 6.4 本章小结 | 第68-69页 |
| 第7章 人脸民族视频识别系统 | 第69-73页 |
| 7.1 系统开发技术 | 第69页 |
| 7.2 系统架构 | 第69-71页 |
| 7.3 系统实现 | 第71-72页 |
| 7.4 本章小结 | 第72-73页 |
| 总结与展望 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |
