| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第13-19页 |
| 1.1 课题来源 | 第13页 |
| 1.2 研究背景和研究意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.3.1 深度学习在图像领域的发展及研究现状 | 第14-15页 |
| 1.3.2 卷积神经网络的研究现状 | 第15-16页 |
| 1.3.3 卷积神经网络在图像分类上的应用 | 第16页 |
| 1.4 本文结构安排 | 第16-19页 |
| 2 深度网络相关理论 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 卷积神经网络 | 第19-20页 |
| 2.2.1 卷积神经网络概述 | 第19页 |
| 2.2.2 卷积神经网络结构 | 第19-20页 |
| 2.3 深度残差网络 | 第20-23页 |
| 2.3.1 深度残差网络概述 | 第20-22页 |
| 2.3.2 深度残差网络结构 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 3 多任务的轻量级人脸图像模型 | 第25-39页 |
| 3.1 引言 | 第25-26页 |
| 3.2 CNN网络结构 | 第26-32页 |
| 3.2.1 数据预处理—人脸对齐与数据增强 | 第27-29页 |
| 3.2.2 最大特征图激活函数(MFM) | 第29页 |
| 3.2.3 Softmax损失函数 | 第29-30页 |
| 3.2.4 Center—Loss函数 | 第30-32页 |
| 3.3 实验结果与分析 | 第32-38页 |
| 3.3.1 实现细节预处理及网络配置 | 第32-33页 |
| 3.3.2 在LFW上的实验 | 第33-35页 |
| 3.3.3 人脸表情数据库上的实验结果 | 第35-36页 |
| 3.3.4 在大型亚洲女性美丽数据库(LSAFBD)上的实验 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 基于卷积神经网络的指背关节纹识别 | 第39-51页 |
| 4.1 引言 | 第39-40页 |
| 4.2 指背关节纹网络结构 | 第40-42页 |
| 4.2.1 批量归一化层 | 第41-42页 |
| 4.2.2 ReLU激活函数 | 第42页 |
| 4.3 图像预处理 | 第42-46页 |
| 4.3.1 感兴趣区域提取 | 第43-44页 |
| 4.3.2 直方图均衡化增强 | 第44-45页 |
| 4.3.3 Dropout | 第45-46页 |
| 4.4 实验结果与分析 | 第46-48页 |
| 4.4.1 PolyU数据库 | 第46-47页 |
| 4.4.2 训练参数的配置 | 第47页 |
| 4.4.3 Dropout实验 | 第47-48页 |
| 4.5 KnukcleNet实验结果与分析 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 5 深度残差网络用于人脸美丽预测研究 | 第51-61页 |
| 5.1 引言 | 第51-52页 |
| 5.2 深度残差网络人脸美丽预测算法 | 第52-56页 |
| 5.2.1 人脸美丽预测模型 | 第52-54页 |
| 5.2.2 数据对齐与增强 | 第54-55页 |
| 5.2.3 Max残差结构 | 第55-56页 |
| 5.3 实验结果与分析 | 第56-59页 |
| 5.3.1 网络参数配置 | 第56页 |
| 5.3.2 LSAFBD上的实验 | 第56-59页 |
| 5.4 本章小结 | 第59-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 作者简介 | 第70-71页 |