人脸识别系统中神经网络算法的研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 国内外研究与发展现状 | 第12-15页 |
| 1.3 人脸数据库介绍 | 第15-17页 |
| 1.3.1 CMU_PIE人脸数据库 | 第15-16页 |
| 1.3.2 ORL人脸数据库 | 第16-17页 |
| 1.4 本文主要研究内容及章节安排 | 第17-19页 |
| 第二章 神经网络算法 | 第19-37页 |
| 2.1 结构与组成 | 第19-25页 |
| 2.1.1 单输入神经元模型 | 第19-20页 |
| 2.1.2 多输入神经元模型 | 第20-22页 |
| 2.1.3 神经元层 | 第22-24页 |
| 2.1.4 多层网络结构 | 第24-25页 |
| 2.2 卷积神经网络 | 第25-28页 |
| 2.2.1 卷积层 | 第26-27页 |
| 2.2.2 下采样层 | 第27页 |
| 2.2.3 全连接层 | 第27页 |
| 2.2.4 激活函数 | 第27-28页 |
| 2.3 性能学习 | 第28页 |
| 2.4 优化方法 | 第28-36页 |
| 2.4.1 最速下降法优化理论 | 第29-30页 |
| 2.4.2 LMS算法 | 第30-31页 |
| 2.4.3 反向传播 | 第31-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于BP神经网络的人脸识别系统 | 第37-50页 |
| 3.1 系统模块设计 | 第37-45页 |
| 3.1.1 直方图均衡化 | 第37-38页 |
| 3.1.2 二维小波变换 | 第38-42页 |
| 3.1.3 PCA特征提取 | 第42-43页 |
| 3.1.4 BP神经网络分类器 | 第43-45页 |
| 3.2 性能仿真测试与结果分析 | 第45-49页 |
| 3.2.1 性能仿真测试 | 第45-47页 |
| 3.2.2 测试结果分析 | 第47-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第四章 LeNet-5卷积神经网络模型研究 | 第50-55页 |
| 4.1 LeNet-5卷积神经网络模型结构 | 第50-51页 |
| 4.2 LeNet-5模型的训练与结果分析 | 第51-53页 |
| 4.2.1 LeNet-5模型的训练 | 第51-53页 |
| 4.2.2 结果分析 | 第53页 |
| 4.3 本章小结 | 第53-55页 |
| 第五章 新型LeNet-FC卷积神经网络模型研究 | 第55-63页 |
| 5.1 LeNet-FC卷积神经网络模型结构 | 第55-60页 |
| 5.1.1 优化的L_ReLU激活函数 | 第55-58页 |
| 5.1.2 结构改进与dropout技术 | 第58-59页 |
| 5.1.3 其他改进技术 | 第59-60页 |
| 5.2 LeNet-FC模型的训练与结果分析 | 第60-61页 |
| 5.2.1 LeNet-FC模型的训练 | 第60-61页 |
| 5.2.2 结果分析 | 第61页 |
| 5.3 本章小结 | 第61-63页 |
| 第六章 基于LeNet-FC模型的人脸识别系统 | 第63-68页 |
| 6.1 系统模块设计 | 第63-64页 |
| 6.1.1 图像预处理 | 第63页 |
| 6.1.2 卷积特征提取 | 第63-64页 |
| 6.1.3 欧氏距离分类 | 第64页 |
| 6.2 性能仿真测试与结果分析 | 第64-67页 |
| 6.2.1 性能仿真测试 | 第64-65页 |
| 6.2.2 测试结果分析 | 第65-67页 |
| 6.3 本章小结 | 第67-68页 |
| 总结 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录A (攻读学位期间发表的论文) | 第75页 |
