基于深度学习的复杂光照条件下人脸识别技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 课题背景 | 第10页 |
| 1.1.2 人脸识别意义 | 第10-11页 |
| 1.2 人脸识别技术研究现状 | 第11-14页 |
| 1.3 本文主要工作及结构 | 第14-16页 |
| 1.3.1 主要工作 | 第14页 |
| 1.3.2 本文结构 | 第14-16页 |
| 第2章 复杂光照的人脸数据集构建 | 第16-21页 |
| 2.1 常用人脸数据集介绍 | 第16-18页 |
| 2.2 构建复杂光照人脸数据集 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 面向人脸识别的卷积神经网络设计与分析 | 第21-39页 |
| 3.1 卷积神经网络 | 第21-30页 |
| 3.1.1 神经网络原理 | 第21-24页 |
| 3.1.2 激活函数 | 第24-25页 |
| 3.1.3 反向传播原理 | 第25-28页 |
| 3.1.4 卷积神经网络 | 第28-30页 |
| 3.2 基于人脸识别的卷积神经网络结构设计 | 第30-35页 |
| 3.2.1 经典卷积神经网络结构介绍 | 第30-32页 |
| 3.2.2 面向人脸识别卷积神经网络的构建 | 第32-35页 |
| 3.3 实验分析 | 第35-38页 |
| 3.3.1 实验设置 | 第35-36页 |
| 3.3.2 实验结果分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 面向复杂光照的数据增强技术 | 第39-50页 |
| 4.1 图像增强技术介绍 | 第39-44页 |
| 4.1.1 线性变换 | 第40-41页 |
| 4.1.2 Gamma校正 | 第41-42页 |
| 4.1.3 直方图均衡化 | 第42-44页 |
| 4.2 基本图像增强技术 | 第44-45页 |
| 4.3 复杂光照图像增强技术 | 第45-47页 |
| 4.4 实验及分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 批规范化集成的卷积神经网络 | 第50-60页 |
| 5.1 批规范化技术 | 第50-52页 |
| 5.2 批规范化卷积神经网络集成算法 | 第52-56页 |
| 5.2.1 批规范化问题分析 | 第52-55页 |
| 5.2.2 基于批规范化参数聚类的CNN集成算法 | 第55-56页 |
| 5.3 实验分析 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第66页 |
