基于KPCA特征融合模型的遮挡人脸判别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及其意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 课题研究难点 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第2章 深度学习模型及其相关技术分析 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 反向传播算法 | 第16-18页 |
| 2.3 卷积神经网络 | 第18-23页 |
| 2.3.1 局部感知和权值共享 | 第19-20页 |
| 2.3.2 多层网络结构 | 第20-23页 |
| 2.4 主成分分析网络 | 第23-27页 |
| 2.4.1 PCANet第一阶段 | 第23-25页 |
| 2.4.2 PCANet第二阶段 | 第25-26页 |
| 2.4.3 PCANet第三阶段 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于KPCA的遮挡人脸样本特征提取 | 第28-46页 |
| 3.1 引言 | 第28-29页 |
| 3.2 核主成分分析 | 第29-34页 |
| 3.2.1 KPCA基本原理 | 第29-31页 |
| 3.2.2 KPCA公式推导 | 第31-34页 |
| 3.3 构建特征卷积核 | 第34-36页 |
| 3.3.1 样本核变换 | 第34-35页 |
| 3.3.2 卷积核学习 | 第35-36页 |
| 3.3.3 池化处理 | 第36页 |
| 3.4 特征图 | 第36-43页 |
| 3.4.1 数据集选取和处理 | 第36-38页 |
| 3.4.2 第一层特征图 | 第38-41页 |
| 3.4.3 第二层特征图 | 第41-43页 |
| 3.5 层间特征融合 | 第43-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 基于随机森林的遮挡人脸判别 | 第46-59页 |
| 4.1 引言 | 第46页 |
| 4.2 分类方法 | 第46-53页 |
| 4.2.1 支持向量机 | 第46-50页 |
| 4.2.2 随机森林算法 | 第50-53页 |
| 4.3 分类方法对比 | 第53-58页 |
| 4.3.1 参数选择 | 第54页 |
| 4.3.2 实验分析 | 第54-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 在学期间发表的学术论文与研究成果 | 第67页 |
