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

残差分离卷积神经网络的人脸认证关键技术研究及应用

摘要第5-6页
abstract第6-7页
第一章 绪论第12-18页
    1.1 研究工作的背景及意义第12-13页
    1.2 研究现状第13-15页
    1.3 本文主要的工作和研究成果第15-18页
        1.3.1 本文的主要工作内容第15-16页
        1.3.2 本文结构第16-18页
第二章 主要理论和相关技术第18-33页
    2.1 卷积神经网络第18-21页
        2.1.1 局部感受野第18-20页
        2.1.2 共享权重和偏置第20页
        2.1.3 池化层第20-21页
        2.1.4 反向传播算法第21页
    2.2 激活函数第21-23页
        2.2.1 Sigmoid激活函数第22页
        2.2.2 双曲正切激活函数第22页
        2.2.3 修正线性单元激活函数第22-23页
    2.3 过度拟合第23-25页
        2.3.1 规范化第23-24页
        2.3.2 弃权(dropout)第24-25页
        2.3.3 人为扩展训练集第25页
    2.4 神经网络的优化第25-28页
        2.4.1 交叉熵代价函数第25-26页
        2.4.2 柔性最大值第26-27页
        2.4.3 参数初始化第27页
        2.4.4 momentum第27-28页
    2.5 常见卷积神经网络第28-29页
        2.5.1 全卷积网络第28-29页
        2.5.2 级联卷积神经网络第29页
        2.5.3 AlexNet第29页
        2.5.4 VGGNet第29页
    2.6 常用框架第29-31页
        2.6.1 TensorFlow第30页
        2.6.2 PyTorch第30-31页
        2.6.3 Caffe第31页
        2.6.4 MXnet第31页
    2.7 本章小结第31-33页
第三章 新型卷积神经网络研究及实现第33-48页
    3.1 残差分离卷积神经网络结构分析第33-38页
        3.1.1 残差网络模型第33-35页
        3.1.2 分离式卷积模型第35-36页
        3.1.3 残差分离卷积模型第36-38页
    3.2 实验设计与结果对比第38-46页
        3.2.1 实验环境第38-39页
        3.2.2 残差分离卷积神经网络的实现第39-44页
        3.2.3 实验结果对比第44-46页
    3.3 本章小结第46-48页
第四章 人脸检测关键算法研究及实现第48-60页
    4.1 人脸检测网络结构分析第48-51页
        4.1.1 多任务级联卷积神经网络模型第48页
        4.1.2 基于残差分离卷积块的级联检测网络模型第48-51页
    4.2 实验设计与结果对比第51-59页
        4.2.1 实验环境第51-52页
        4.2.2 模块搭建第52-54页
        4.2.3 训练过程第54-56页
        4.2.4 运行网络第56-57页
        4.2.5 实验结果第57-59页
    4.3 本章小结第59-60页
第五章 人脸表征关键算法研究及实现第60-71页
    5.1 人脸表征网络结构分析第60-62页
    5.2 实验设计与结果对比第62-70页
        5.2.1 实验环境第62-63页
        5.2.2 模块搭建及训练第63-67页
        5.2.3 验证及计算阈值第67-69页
        5.2.4 运行网络第69页
        5.2.5 实验结果第69-70页
    5.3 本章小结第70-71页
第六章 人脸认证系统设计与实现第71-86页
    6.1 系统设计目标第71页
    6.2 系统功能需求第71-72页
    6.3 总体设计第72-75页
        6.3.1 系统结构第72-74页
        6.3.2 系统流程第74-75页
    6.4 功能模块设计与实现第75-85页
        6.4.1 系统开发环境第75-76页
        6.4.2 人脸检测模块第76页
        6.4.3 人脸表征模块第76-77页
        6.4.4 活体检测模块第77-79页
        6.4.5 Web管理模块第79-85页
    6.5 本章小结第85-86页
第七章 系统测试与实验结果分析第86-93页
    7.1 单元测试第86-89页
        7.1.1 人脸检测测试第86-87页
        7.1.2 人脸表征测试第87-88页
        7.1.3 活体检测测试第88-89页
    7.2 集成测试第89-92页
        7.2.1 注册测试第89页
        7.2.2 登录测试第89-92页
    7.3 本章小结第92-93页
第八章 总结与展望第93-95页
    8.1 本文的主要贡献第93页
    8.2 对未来工作的展望第93-95页
致谢第95-96页
参考文献第96-99页

论文共99页,点击 下载论文
上一篇:基于深度神经网络的司机行为识别技术研究与实现
下一篇:模块化智能立体库控制系统研究与实现