深度学习在人脸识别中的研究及应用
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的目的及意义 | 第9-11页 |
| 1.2 国内外发展现状及发展趋势 | 第11-16页 |
| 1.3 论文研究的主要内容 | 第16-17页 |
| 第2章 深度学习算法概述 | 第17-31页 |
| 2.1 机器学习的两次浪潮：从浅层学习到深度学习 | 第17-18页 |
| 2.2 深度学习基本模型和算法 | 第18-30页 |
| 2.2.1 受限玻尔兹曼机 | 第19-24页 |
| 2.2.2 自编码器 | 第24-25页 |
| 2.2.3 卷积神经网络 | 第25-28页 |
| 2.2.4 深度信念网络 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 人脸图像预处理及样本库建立 | 第31-40页 |
| 3.1 数据采集 | 第31-33页 |
| 3.2 人脸检测 | 第33-37页 |
| 3.2.1 RGB彩色空间 | 第33-34页 |
| 3.2.2 利用YCbCr彩色空间进行肤色分析 | 第34-36页 |
| 3.2.3 形态学处理技术 | 第36-37页 |
| 3.2.4 实验结果与分析 | 第37页 |
| 3.3 样本库建立 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于卷积神经网络的人脸识别 | 第40-52页 |
| 4.1 卷积神经网络结构及特征 | 第40-42页 |
| 4.1.1 卷积神经网络结构 | 第40-41页 |
| 4.1.2 卷积神经网络特征 | 第41-42页 |
| 4.2 卷积神经网络的学习算法 | 第42-44页 |
| 4.3 基于卷积神经网络的人脸识别 | 第44-51页 |
| 4.3.1 人脸图像数据库介绍及预处理 | 第44-46页 |
| 4.3.2 卷积神经网络实验模型建立 | 第46-48页 |
| 4.3.3 实验结果与分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 基于深度信念网络的人脸识别 | 第52-56页 |
| 5.1 深度信念网络学习算法 | 第52-53页 |
| 5.2 基于深度信念网络的人脸识别 | 第53-55页 |
| 5.2.1 深度信念网络实验模型建立 | 第53-54页 |
| 5.2.2 实验结果与分析 | 第54-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第6章 改进的深度信念网络人脸识别算法 | 第56-70页 |
| 6.1 局部二值模式 | 第56-59页 |
| 6.2 成对分类法 | 第59-61页 |
| 6.3 实验结果与分析 | 第61-65页 |
| 6.4 GUI操作界面 | 第65-69页 |
| 6.5 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间发表的学术论文 | 第79页 |
