| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 传统的人脸识别算法 | 第13-14页 |
| 1.2.2 深度学习人脸识别算法 | 第14-15页 |
| 1.2.3 低分辨率人脸识别算法 | 第15-17页 |
| 1.3 面临的问题 | 第17-18页 |
| 1.4 论文主要工作 | 第18-19页 |
| 1.5 论文组织结构 | 第19-22页 |
| 第2章 基于可分离卷积迭代投影的低分辨率人脸图像超分辨率 | 第22-36页 |
| 2.1 引言 | 第22-23页 |
| 2.2 卷积神经网络 | 第23-26页 |
| 2.2.1 卷积层 | 第23页 |
| 2.2.2 可分离卷积 | 第23-24页 |
| 2.2.3 密集连接 | 第24-25页 |
| 2.2.4 反向迭代投影 | 第25-26页 |
| 2.3 基于可分离卷积迭代投影网络 | 第26-30页 |
| 2.3.1 可分离卷积迭代投影网络 | 第26-27页 |
| 2.3.2 特征复用 | 第27-28页 |
| 2.3.3 投影单元 | 第28-29页 |
| 2.3.4 损失函数 | 第29-30页 |
| 2.4 实验结果分析 | 第30-34页 |
| 2.4.1 数据集与测试标准 | 第30-31页 |
| 2.4.2 参数设置 | 第31页 |
| 2.4.3 测试时间对比 | 第31-32页 |
| 2.4.4 实验结果与分析 | 第32-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第3章 基于特征增强的生成对抗网络的人脸超分辨率 | 第36-50页 |
| 3.1 引言 | 第36-37页 |
| 3.2 低分辨率对网络性能的影响 | 第37-38页 |
| 3.3 基于特征增强的生成对抗网络 | 第38-44页 |
| 3.3.1 生成网络 | 第39-41页 |
| 3.3.2 判别网络 | 第41-42页 |
| 3.3.3 损失函数 | 第42-44页 |
| 3.4 实验结果分析 | 第44-48页 |
| 3.4.1 数据集 | 第44页 |
| 3.4.2 参数设置 | 第44-45页 |
| 3.4.3 实验结果与分析 | 第45-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 基于全局分离卷积多任务网络的识别算法 | 第50-62页 |
| 4.1 引言 | 第50-51页 |
| 4.2 基于全局深度分离卷积的多任务网络 | 第51-55页 |
| 4.2.1 多任务网络结构 | 第51-52页 |
| 4.2.2 全局分离卷积 | 第52-53页 |
| 4.2.3 损失函数 | 第53-55页 |
| 4.3 实验结果分析 | 第55-61页 |
| 4.3.1 数据集与测试标准 | 第55-56页 |
| 4.3.2 参数设置 | 第56页 |
| 4.3.3 多任务网络的人脸识别 | 第56-58页 |
| 4.3.4 实验结果分析 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士期间已发表的论文 | 第70-72页 |
| 致谢 | 第72页 |