基于深度学习的人脸识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-10页 |
| 1 人脸识别 | 第10-21页 |
| ·研究背景和意义 | 第10-11页 |
| ·人脸识别的应用 | 第11页 |
| ·人脸图像特点 | 第11-12页 |
| ·人脸识别研究的内容和流程 | 第12-13页 |
| ·模式识别系统 | 第12页 |
| ·人脸认识技术介绍 | 第12-13页 |
| ·多姿态的人脸识别研究 | 第13-21页 |
| ·可变姿态的人脸识别 | 第13-16页 |
| ·多姿态人脸库 | 第16-17页 |
| ·多姿态人脸识别技术介绍 | 第17-21页 |
| 2 深度学习及深度信念网络 | 第21-37页 |
| ·深度学习 | 第21-25页 |
| ·什么是深度学习 | 第21-23页 |
| ·深度学习的基本思想 | 第23页 |
| ·深度学习的常用方法 | 第23-25页 |
| ·受限玻尔兹曼机(RBM) | 第25-31页 |
| ·RBM的模型定义 | 第25-28页 |
| ·RBM的学习 | 第28-31页 |
| ·深度信念网络 | 第31-33页 |
| ·深度信念网络模型定义 | 第31-32页 |
| ·深度信念网络的学习 | 第32-33页 |
| ·近邻元分析 | 第33-37页 |
| ·近邻元分析 | 第33-35页 |
| ·非线性的近邻元分析 | 第35-37页 |
| 3 基于深度信念网络的人脸超分辨图像识别 | 第37-51页 |
| ·问题的定义、挑战、评估和现有方法 | 第37-40页 |
| ·姿态处理方法 | 第37-38页 |
| ·超分辨方法 | 第38-39页 |
| ·多姿态下的超分辨方法 | 第39-40页 |
| ·基于DBNs的超分辨识别 | 第40-43页 |
| ·方法描述 | 第40-42页 |
| ·实验数据 | 第42-43页 |
| ·实验配置和结果 | 第43-49页 |
| ·UMIST库实验 | 第43-46页 |
| ·ORL库实验 | 第46-47页 |
| ·FERET库实验 | 第47页 |
| ·PIE库实验 | 第47-49页 |
| ·讨论 | 第49-51页 |
| 4 基于DBNs的人脸姿态映射与分类 | 第51-61页 |
| ·姿态映射 | 第51-55页 |
| ·姿态分类 | 第55-59页 |
| ·LDA与PCA的缺陷 | 第55-56页 |
| ·基于非线性NCA的姿态分类 | 第56-59页 |
| ·讨论 | 第59-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
