基于CNN的金丝猴面部识别研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.3 本文的章节安排 | 第19-21页 |
| 第二章 CNN相关理论 | 第21-37页 |
| 2.1 人工神经网络 | 第21-23页 |
| 2.2 卷积神经网络 | 第23-30页 |
| 2.2.1 卷积神经网络概述 | 第23页 |
| 2.2.2 卷积神经网络的基本结构 | 第23-26页 |
| 2.2.3 卷积神经网络的训练过程 | 第26-29页 |
| 2.2.4 卷积神经网络的优点和缺点 | 第29-30页 |
| 2.3 卷积神经网络模型 | 第30-35页 |
| 2.3.1 LeNet-5 网络模型 | 第30-32页 |
| 2.3.2 AlexNet网络模型 | 第32-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 基于CNN的金丝猴面部识别算法 | 第37-59页 |
| 3.1 金丝猴图像分析 | 第37-39页 |
| 3.2 基于ResNet网络的金丝猴面部识别算法 | 第39-43页 |
| 3.3 基于改进CNN模型的金丝猴面部识别算法 | 第43-50页 |
| 3.3.1 改进模型的设计思想 | 第43页 |
| 3.3.2 改进模型的总体结构 | 第43-45页 |
| 3.3.3 残差块类型设计 | 第45-46页 |
| 3.3.4 卷积结构的选择 | 第46-48页 |
| 3.3.5 改进模型特征可视化 | 第48-50页 |
| 3.4 实验设计与分析 | 第50-57页 |
| 3.4.1 创建金丝猴面部识别数据集 | 第50-51页 |
| 3.4.2 实验环境 | 第51-52页 |
| 3.4.3 实验设计 | 第52-55页 |
| 3.4.4 结果分析 | 第55-57页 |
| 3.5 本章小结 | 第57-59页 |
| 第四章 基于Qt的金丝猴面部检测识别软件设计 | 第59-69页 |
| 4.1 软件设计目标 | 第59页 |
| 4.2 软件结构设计 | 第59-61页 |
| 4.3 软件功能实现 | 第61-64页 |
| 4.3.1 图形用户界面开发 | 第61-62页 |
| 4.3.2 功能开发 | 第62-64页 |
| 4.4 软件测试 | 第64-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-73页 |
| 5.1 总结 | 第69-70页 |
| 5.2 展望 | 第70-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-80页 |
