基于神经网络的人脸朝向识别问题研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景 | 第10-13页 |
| 1.1.1 人脸识别 | 第10-11页 |
| 1.1.2 人脸识别系统概述 | 第11-12页 |
| 1.1.3 人脸识别与人脸朝向 | 第12-13页 |
| 1.2 研究现状 | 第13页 |
| 1.3 人工神经网络 | 第13-20页 |
| 1.3.1 人类大脑与人工神经网络 | 第13-16页 |
| 1.3.2 感知器 | 第16-18页 |
| 1.3.3 梯度下降学习算法 | 第18-20页 |
| 1.4 本文的研究内容 | 第20-22页 |
| 第二章 基于反向传播网络的人脸朝向识别 | 第22-37页 |
| 2.1 多层神经网络 | 第22-25页 |
| 2.1.1 从单层网络到多层网络 | 第22-23页 |
| 2.1.2 双层网络的预测模型 | 第23-25页 |
| 2.2 误差反向传播学习算法 | 第25-30页 |
| 2.2.1 梯度下降法的推广 | 第25-28页 |
| 2.2.2 收敛与局部最优 | 第28-30页 |
| 2.3 人脸朝向识别的BP实现 | 第30-36页 |
| 2.3.1 实现的流程与方法 | 第31-33页 |
| 2.3.2 MATLAB程序实现 | 第33-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 基于概率神经网络的人脸朝向识别 | 第37-48页 |
| 3.1 PNN网络基本思想 | 第37-38页 |
| 3.2 网络基本理论与算法 | 第38-46页 |
| 3.2.1 贝叶斯决策与概率密度函数的估计 | 第39-42页 |
| 3.2.2 概率神经网络结构与算法 | 第42-46页 |
| 3.3 人脸朝向识别的PNN实现 | 第46-47页 |
| 3.3.1 PNN网络在人脸朝向识别应用中的优势 | 第46页 |
| 3.3.2 MATLAB程序实现 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 两种神经网络识别能力的对比分析 | 第48-61页 |
| 4.1 模型建立 | 第48-49页 |
| 4.2 PNN网络与BP网络识别效果对比 | 第49-59页 |
| 4.2.1 光线背景相同的人脸朝向识别效果对比 | 第51-54页 |
| 4.2.2 光线背景不同的人脸朝向识别效果对比 | 第54-59页 |
| 4.3 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
| 附录 人脸图像 | 第68-71页 |
| 致谢 | 第71-72页 |
