| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 卷积神经网络 | 第10-11页 |
| 1.1.2 卷积神经网络的应用背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 卷积神经网络在图像分类中的应用 | 第12-13页 |
| 1.2.2 卷积神经网络在人脸识别中的应用 | 第13-14页 |
| 1.3 主要研究内容和论文结构 | 第14-17页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 论文结构 | 第15-17页 |
| 第二章 卷积神经网络及深度学习框架Caffe概述 | 第17-27页 |
| 2.1 卷积神经网络中参数的前向传播和反向传播 | 第17-19页 |
| 2.1.1 卷积神经网络中的优化算法 | 第17页 |
| 2.1.2 前向传播及反向传播计算流程 | 第17-19页 |
| 2.2 卷积神经网络各层特性 | 第19-24页 |
| 2.2.1 卷积层 | 第19-21页 |
| 2.2.2 全连接层 | 第21-22页 |
| 2.2.3 激活函数 | 第22-24页 |
| 2.3 深度学习框架Caffe | 第24-26页 |
| 2.3.1 Caffe概述 | 第24-25页 |
| 2.3.2 Caffe数据结构 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 图像分类 | 第27-36页 |
| 3.1 图像分类概念及评价指标 | 第27-29页 |
| 3.1.1 图像分类 | 第27-28页 |
| 3.1.2 使用数据集简介 | 第28页 |
| 3.1.3 评价指标 | 第28-29页 |
| 3.2 分类网络结构 | 第29-32页 |
| 3.2.1 CaffeNet | 第29-30页 |
| 3.2.2 GoogLeNet (Inception V1) | 第30-32页 |
| 3.3 实验结果分析 | 第32-35页 |
| 3.3.1 分类结果对比 | 第32-33页 |
| 3.3.2 可视化CaffeNet各层特征 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 人脸识别预处理流程 | 第36-47页 |
| 4.1 人脸检测 | 第36-41页 |
| 4.1.1 人脸检测概念 | 第36页 |
| 4.1.2 目标检测模型Faster RCNN | 第36-40页 |
| 4.1.3 非极大值抑制 | 第40-41页 |
| 4.2 人脸关键点定位 | 第41-44页 |
| 4.2.1 人脸关键点定位概念 | 第41-42页 |
| 4.2.2 人脸关键点定位模型 | 第42-43页 |
| 4.2.3 人脸关键点定位评价指标及网络性能对比 | 第43-44页 |
| 4.3 人脸校准 | 第44-45页 |
| 4.3.1 人脸校准概念 | 第44页 |
| 4.3.2 人脸校准过程 | 第44-45页 |
| 4.4 预处理结果 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 人脸识别 | 第47-55页 |
| 5.1 人脸识别概念 | 第47-49页 |
| 5.1.1 人脸识别 | 第47-48页 |
| 5.1.2 使用数据集简介 | 第48页 |
| 5.1.3 评价指标 | 第48-49页 |
| 5.2 Light CNN和MFM | 第49-51页 |
| 5.3 A Normalized Light CNN | 第51-52页 |
| 5.4 实验结果 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 论文总结 | 第55-56页 |
| 6.2 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间取得的研究成果 | 第62页 |