| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.3 本文主要工作 | 第9-10页 |
| 1.4 论文的章节安排 | 第10-12页 |
| 2 人脸识别算法原理 | 第12-22页 |
| 2.1 人脸识别的基本概念 | 第13-15页 |
| 2.1.1 人脸确认和人脸识别 | 第13页 |
| 2.1.2 人脸图像数据库 | 第13-14页 |
| 2.1.3 人脸识别性能评估指标 | 第14-15页 |
| 2.2 基于深度学习的人脸识别方法 | 第15-21页 |
| 2.2.1 DeepFace | 第16-17页 |
| 2.2.2 DeepIDs | 第17-18页 |
| 2.2.3 VGGFace | 第18-19页 |
| 2.2.4 FaceNet | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 低分辨率人脸特征提取 | 第22-38页 |
| 3.1 卷积神经网络介绍 | 第22-25页 |
| 3.1.1 卷积层 | 第22-23页 |
| 3.1.2 激活层 | 第23-24页 |
| 3.1.3 池化层 | 第24-25页 |
| 3.1.4 全连接层 | 第25页 |
| 3.2 分辨率对CNN性能的影响 | 第25-30页 |
| 3.2.1 分辨率对ROC曲线、准确率和召回率的影响 | 第26-27页 |
| 3.2.2 分辨率对特征分布的影响 | 第27-30页 |
| 3.3 基于FaceNet的低分辨率人脸识别 | 第30-35页 |
| 3.3.1 人脸训练数据库的构建 | 第30-32页 |
| 3.3.2 网络的训练 | 第32-33页 |
| 3.3.3 模型性能评估 | 第33-35页 |
| 3.4 实验结果分析 | 第35-37页 |
| 3.4.1 ORL数据集上的实验 | 第35-36页 |
| 3.4.2 UCCS数据集上的实验 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 单样本人脸识别 | 第38-46页 |
| 4.1 基于样本扩张的单样本人脸识别 | 第38-41页 |
| 4.1.1 基于相似性度量的样本扩充方法 | 第38-40页 |
| 4.1.2 基于图像变换的样本扩充方法 | 第40-41页 |
| 4.2 实验结果分析 | 第41-45页 |
| 4.2.1 SUB_PUV2数据集上的实验 | 第42-43页 |
| 4.2.2 LFW数据集上的实验 | 第43-45页 |
| 4.3 本章小结 | 第45-46页 |
| 5 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 已发表论文、专利及科研情况 | 第54页 |
| 参与的科研与教学工作 | 第54页 |
| 获奖情况 | 第54页 |