基于SDCNN的人脸识别研究
致谢 | 第4-5页 |
摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第9-17页 |
1.1 课题研究背景及意义 | 第9-10页 |
1.2 国内外的研究现状和关键问题 | 第10-15页 |
1.3 本文主要研究内容和贡献 | 第15-16页 |
1.4 本文章节安排 | 第16-17页 |
第二章 人脸识别与深层结构 | 第17-33页 |
2.1 人脸识别概述 | 第17-20页 |
2.2 受限玻尔兹曼机 | 第20-27页 |
2.2.1 基于能量的模型 | 第20-21页 |
2.2.2 RBM的结构 | 第21-23页 |
2.2.3 RBM训练方法 | 第23-27页 |
2.3 深度信念网络和自动编码机 | 第27-32页 |
2.3.1 深度信念网络的逐层贪心训练 | 第27-28页 |
2.3.2 自动编码机与稀疏限制 | 第28-31页 |
2.3.3 深层结构的局限性 | 第31-32页 |
2.4 本章小结 | 第32-33页 |
第三章 深层卷积神经网络及其随机化改进 | 第33-53页 |
3.1 人工神经网络 | 第33-39页 |
3.1.1 结构 | 第33-36页 |
3.1.2 误差反向传播算法 | 第36-39页 |
3.2 卷积神经网络 | 第39-45页 |
3.2.1 概述 | 第39-40页 |
3.2.2 CNN的卷积层结构 | 第40-44页 |
3.2.3 CNN的池采样过程 | 第44-45页 |
3.3 SDCNN结构 | 第45-52页 |
3.3.1 平方随机池采样方法 | 第46-47页 |
3.3.2 层间卷积的随机部分参数连接 | 第47-52页 |
3.4 本章小结 | 第52-53页 |
第四章 系统设计和实验结果 | 第53-75页 |
4.1 系统设计 | 第53-60页 |
4.1.1 人脸图像数据库 | 第53-56页 |
4.1.2 SDCNN结构设计 | 第56-60页 |
4.2 网络的训练和参数选择 | 第60-66页 |
4.3 实验结果 | 第66-74页 |
4.4 本章小结 | 第74-75页 |
第五章 总结与展望 | 第75-77页 |
参考文献 | 第77-81页 |
作者简历及在学期间所取得的科研成果 | 第81页 |