基于Hadoop的多姿态人脸识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文结构 | 第13-14页 |
| 第2章 云计算理论与云平台构建 | 第14-28页 |
| 2.1 云计算概述 | 第14-16页 |
| 2.1.1 云计算特点和优势 | 第14页 |
| 2.1.2 云计算架构 | 第14-15页 |
| 2.1.3 云计算服务模式 | 第15-16页 |
| 2.2 Hadoop集群 | 第16-21页 |
| 2.2.1 Hadoop集群基本框架 | 第16-18页 |
| 2.2.2 Hadoop的分布式文件系统HDFS | 第18-20页 |
| 2.2.3 MapReduce算法 | 第20-21页 |
| 2.3 Hadoop平台的构建 | 第21-28页 |
| 2.3.1 安装VMware及ubuntu系统 | 第21-22页 |
| 2.3.2 Hadoop配置与安装 | 第22-28页 |
| 第3章 卷积神经网络理论与分析 | 第28-40页 |
| 3.1 人工神经网络 | 第28-33页 |
| 3.1.1 神经元 | 第28-29页 |
| 3.1.2 神经网络 | 第29-31页 |
| 3.1.3 反向传播算法 | 第31-33页 |
| 3.2 卷积神经网理论 | 第33-38页 |
| 3.2.1 卷积神经网人脸识别模型结构 | 第33-34页 |
| 3.2.2 局部连接和权值共享 | 第34-36页 |
| 3.2.3 下采样池化 | 第36-37页 |
| 3.2.4 卷积神经网的训练 | 第37-38页 |
| 3.3 本章小结 | 第38-40页 |
| 第4章 改进的卷积神经网在人脸识别中的应用 | 第40-52页 |
| 4.1 CAS_PEAL人脸库 | 第40-41页 |
| 4.1.1 CAS_PEAL人脸库简介 | 第40-41页 |
| 4.1.2 CAS_PEAL人脸库采集环境 | 第41页 |
| 4.2 LeNet-5 经典CNN结构 | 第41-43页 |
| 4.3 改进的卷积神经网络以及性能分析 | 第43-50页 |
| 4.3.1 卷积核数目实验对比分析 | 第43-45页 |
| 4.3.2 卷积核尺度实验对比分析 | 第45-46页 |
| 4.3.3 池化方式实验对比分析 | 第46-48页 |
| 4.3.4 非线性激活函数实验对比分析 | 第48-49页 |
| 4.3.5 正则化方法实验对比分析 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第5章 基于Hadoop的多姿态人脸识别 | 第52-60页 |
| 5.1 基于Hadoop的数据整理与上传 | 第52-55页 |
| 5.1.1 集群写入数据接口设计 | 第52-53页 |
| 5.1.2 集群读取数据接口设计 | 第53-55页 |
| 5.2 卷积神经网在多姿态人脸识别的应用 | 第55-59页 |
| 5.2.1 卷积神经网络在多姿态人脸识别的优势 | 第55-56页 |
| 5.2.2 基于卷积神经网络的人脸识别的构造 | 第56-57页 |
| 5.2.3 实验及性能分析 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 工作总结 | 第60页 |
| 6.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 作者简介 | 第66-68页 |
| 致谢 | 第68页 |
