| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的研究内容 | 第14-16页 |
| 1.4 论文章节安排 | 第16-17页 |
| 第2章 深度神经网络相关技术 | 第17-27页 |
| 2.1 深度学习的概念 | 第17页 |
| 2.2 深度学习的发展 | 第17-19页 |
| 2.3 深度学习几种常见的模型 | 第19-23页 |
| 2.3.1 自动编码器 | 第20页 |
| 2.3.2 受限玻尔兹曼机 | 第20-21页 |
| 2.3.3 深度置信网络 | 第21-22页 |
| 2.3.4 卷积神经网络 | 第22-23页 |
| 2.4 卷积神经网络结构 | 第23-25页 |
| 2.4.1 局部连接 | 第24页 |
| 2.4.2 权值共享 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于MTCNN的人脸检测算法 | 第27-33页 |
| 3.1 人脸检测与关键点定位 | 第27-30页 |
| 3.2 人脸对齐 | 第30-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第4章 基于改进的Light CNN人脸验证算法 | 第33-53页 |
| 4.1 Light CNN卷积神经网络 | 第33-36页 |
| 4.1.1 Light CNN网络结构 | 第33-34页 |
| 4.1.2 ReLu函数 | 第34-36页 |
| 4.1.3 MFM函数 | 第36页 |
| 4.2 基于改进的Light CNN网络模型 | 第36-40页 |
| 4.2.1 Gabor变换 | 第37-38页 |
| 4.2.2 池化采样 | 第38-39页 |
| 4.2.3 Dropout技术 | 第39-40页 |
| 4.3 基于Gabor和Light CNN特征融合 | 第40-41页 |
| 4.4 数据库介绍 | 第41-44页 |
| 4.5 网络训练及参数设置 | 第44-46页 |
| 4.6 实验结果及分析 | 第46-51页 |
| 4.7 本章小结 | 第51-53页 |
| 第5章 基于Siamese网络的人脸验证模型 | 第53-63页 |
| 5.1 Siamese网络（孪生网络） | 第53-55页 |
| 5.2 基于Siamese网络结构的人脸验证 | 第55-56页 |
| 5.3 Contrastive Loss函数 | 第56-57页 |
| 5.4 Siamese网络训练 | 第57-58页 |
| 5.5 实验结果与分析 | 第58-61页 |
| 5.6 本章小结 | 第61-63页 |
| 第6章 人脸验证系统的实现 | 第63-75页 |
| 6.1 基于Matlab的人脸验证仿真平台 | 第63-67页 |
| 6.1.1 系统界面图 | 第64-65页 |
| 6.1.2 仿真系统测试结果 | 第65-67页 |
| 6.2 基于Qt的人脸验证系统开发 | 第67-74页 |
| 6.2.1 系统概述 | 第67-68页 |
| 6.2.2 主要功能模块 | 第68-69页 |
| 6.2.3 OpenCV中DNN模块的编译 | 第69-70页 |
| 6.2.4 系统界面与测试 | 第70-73页 |
| 6.2.5 真实环境下测试结果 | 第73-74页 |
| 6.3 本章小结 | 第74-75页 |
| 第7章 总结与展望 | 第75-77页 |
| 7.1 工作总结 | 第75-76页 |
| 7.2 展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士期间已发表的论文 | 第83-85页 |
| 致谢 | 第85-86页 |