基于深度卷积神经网络的人脸识别研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.3 论文主要工作 | 第17-18页 |
| 1.4 论文组织结构 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 卷积神经网络的理论基础 | 第19-29页 |
| 2.1 神经网络的理论基础 | 第19-23页 |
| 2.1.1 前馈神经网络的结构 | 第19-20页 |
| 2.1.2 梯度下降算法 | 第20-22页 |
| 2.1.3 误差反向传播算法 | 第22-23页 |
| 2.2 卷积神经网络结构的组成 | 第23-28页 |
| 2.2.1 基本结构 | 第24-26页 |
| 2.2.2 激活函数 | 第26-27页 |
| 2.2.3 网络整体架构 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于改进卷积神经网络的年龄和性别识别研究 | 第29-49页 |
| 3.1 年龄和性别识别过程 | 第29-30页 |
| 3.2 年龄和性别识别研究的相关问题 | 第30-31页 |
| 3.3 Adience数据集 | 第31-33页 |
| 3.4 图像预处理 | 第33-35页 |
| 3.5 卷积神经网络的结构设计 | 第35-38页 |
| 3.5.1 网络结构 | 第35-36页 |
| 3.5.2 训练与测试 | 第36-38页 |
| 3.6 模块性能分析 | 第38-45页 |
| 3.6.1 ReLU函数 | 第38-41页 |
| 3.6.2 级联卷积核和BN层 | 第41-42页 |
| 3.6.3 1×1卷积核和全局平均池化 | 第42页 |
| 3.6.4 数据增强 | 第42-45页 |
| 3.7 实验结果及分析 | 第45-48页 |
| 3.8 本章小结 | 第48-49页 |
| 第四章 基于卷积神经网络的轻量级表情识别算法研究 | 第49-67页 |
| 4.1 表情识别研究的相关问题 | 第49页 |
| 4.2 SFEW数据集 | 第49-51页 |
| 4.3 网络结构分析 | 第51-56页 |
| 4.3.1 AlexNet | 第51-52页 |
| 4.3.2 VGGNet | 第52-53页 |
| 4.3.3 GoogLeNet | 第53-55页 |
| 4.3.4 ResNet | 第55-56页 |
| 4.3.5 小结 | 第56页 |
| 4.4 网络训练 | 第56-60页 |
| 4.4.1 “预训练-微调”策略 | 第57页 |
| 4.4.2 预训练数据集 | 第57-58页 |
| 4.4.3 结果分析 | 第58-60页 |
| 4.5 网络剪枝 | 第60-66页 |
| 4.5.1 通道剪枝 | 第60-61页 |
| 4.5.2 全局贪婪剪枝算法 | 第61-62页 |
| 4.5.3 实验结果及分析 | 第62-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 工作总结 | 第67-68页 |
| 5.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间发表的学术论文 | 第75页 |
