| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 人脸识别 | 第11-14页 |
| 1.2.2 人脸属性分析 | 第14-15页 |
| 1.3 研究内容和论文结构 | 第15-17页 |
| 第二章 基于改进Softmax损失函数的人脸识别 | 第17-31页 |
| 2.1 Softmax损失函数 | 第17-18页 |
| 2.2 改进的Softmax损失函数 | 第18-21页 |
| 2.2.1 基于特征模长度的改进 | 第19页 |
| 2.2.2 基于余弦值替换的改进 | 第19-20页 |
| 2.2.3 基于夹角间隔的改进和融合 | 第20-21页 |
| 2.3 基于MNIST手写数字识别的Mini实验 | 第21-26页 |
| 2.3.1 MNIST数据库 | 第21页 |
| 2.3.2 LeNets++网络 | 第21-22页 |
| 2.3.3 可视化对比实验 | 第22-26页 |
| 2.4 人脸识别 | 第26-30页 |
| 2.4.1 网络结构 | 第27-28页 |
| 2.4.2 网络训练 | 第28-30页 |
| 2.4.2.1 训练数据 | 第28-29页 |
| 2.4.2.2 训练参数 | 第29页 |
| 2.4.2.3 实验结果 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于度量学习的人证识别 | 第31-39页 |
| 3.1 传统的度量学习方法 | 第31-32页 |
| 3.1.1 传统的Contrastive loss | 第31-32页 |
| 3.1.2 传统的Triplet loss | 第32页 |
| 3.2 改进的度量学习方法 | 第32-36页 |
| 3.2.1 改进的Contrastive loss | 第32-33页 |
| 3.2.2 改进的Triplet loss | 第33-35页 |
| 3.2.3 基于正负样本对分布的Fisher loss | 第35-36页 |
| 3.3 网络训练 | 第36-38页 |
| 3.3.1 人证数据库 | 第36-37页 |
| 3.3.2 训练参数 | 第37-38页 |
| 3.4 实验结果 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于多任务的人脸属性分析 | 第39-47页 |
| 4.1 多任务学习 | 第39-46页 |
| 4.1.1 性别数据库 | 第39页 |
| 4.1.2 年龄数据库 | 第39-41页 |
| 4.1.3 表情数据库 | 第41页 |
| 4.1.4 系统示意图 | 第41-42页 |
| 4.1.5 网络结构 | 第42页 |
| 4.1.6 网络训练 | 第42-44页 |
| 4.1.7 实验结果 | 第44-46页 |
| 4.2 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间的研究成果 | 第57页 |
