首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于卷积神经网络的人脸识别系统设计与实现

摘要第4-5页
abstract第5页
第一章 绪论第8-12页
    1.1 研究背景及意义第8-9页
    1.2 卷积神经网络概述第9-10页
    1.3 人脸识别研究现状第10-11页
    1.4 论文结构安排第11-12页
第二章 机器学习与神经网络第12-32页
    2.1 监督学习第12-18页
        2.1.1 线性回归第12-15页
        2.1.2 逻辑回归第15-16页
        2.1.3 广义线性模型第16-18页
    2.2 人工神经网络第18-22页
        2.2.1 网络结构第18-19页
        2.2.2 神经网络的分类能力第19-21页
        2.2.3 过拟合与欠拟合第21-22页
    2.3 卷积神经网络第22-27页
        2.3.1 网络结构第22-24页
        2.3.2 LeNet神经网络第24-25页
        2.3.3 反向传播算法第25-27页
    2.4 深度学习框架第27-31页
        2.4.1 Caffe第28-29页
        2.4.2 Tensorflow第29-30页
        2.4.3 神经网络拟合函数试验第30-31页
    2.5 本章小结第31-32页
第三章 卷积神经网络优化与可视化第32-48页
    3.1 训练优化第32-44页
        3.1.1 数据预处理第32-33页
        3.1.2 参数初始化第33-35页
        3.1.3 Mini-batch梯度下降算法第35-36页
        3.1.4 附加动量法第36-37页
        3.1.5 随机失活第37-38页
        3.1.6 学习速率衰减第38页
        3.1.7 权值衰减第38-40页
        3.1.8 修正线性单元第40-42页
        3.1.9 批规范化第42-43页
        3.1.10 Fine-tuning第43-44页
    3.2 卷积神经网络可视化实验第44-47页
        3.2.1 Caffe可视化第44-45页
        3.2.2 反卷积可视化第45-47页
    3.3 本章小结第47-48页
第四章 人脸识别系统设计与实现第48-65页
    4.1 深度网络结构设计第48-55页
        4.1.1 GoogleNet-V1第48-49页
        4.1.2 GoogleNet-V3第49-51页
        4.1.3 ResNet第51-52页
        4.1.4 网络结构设计第52-55页
    4.2 分类器函数第55-57页
        4.2.1 三联子损失函数第55-56页
        4.2.2 中心损失函数第56-57页
        4.2.3 分类器的选择第57页
    4.3 人脸识别实验第57-60页
        4.3.1 实验环境及数据集第57-58页
        4.3.2 实验结果及分析第58-60页
    4.4 识别系统设计实现第60-64页
        4.4.1 系统开发环境介绍第60-61页
        4.4.2 人脸数据库建立第61-62页
        4.4.3 人脸识别流程第62-64页
    4.5 本章小结第64-65页
第五章 总结与展望第65-67页
    5.1 总结第65页
    5.2 展望第65-67页
参考文献第67-69页
附录1 攻读硕士学位期间申请的专利第69-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:陶艺青年的身份认同研究
下一篇:平面树中给定出度或度的点的计数