低分辨率人脸识别技术及其应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的背景和意义 | 第10-12页 |
| 1.2 低分辨率人脸识别的国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作及章节安排 | 第14-16页 |
| 第二章 低分辨率图像的识别方法 | 第16-30页 |
| 2.1 低分辨率图像产生原因 | 第16-18页 |
| 2.2 超分辨率重建用于低分辨率识别 | 第18-27页 |
| 2.2.1 基于插值的超分辨率重建 | 第19-20页 |
| 2.2.2 基于正则化的方法 | 第20-21页 |
| 2.2.3 基于学习的方法 | 第21-27页 |
| 2.3 基于稳健特征提取的识别方法 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于卷积神经网络的人脸特征提取 | 第30-43页 |
| 3.1 卷积神经网络简介 | 第30-32页 |
| 3.2 卷积神经网络的训练过程 | 第32-36页 |
| 3.2.1 反向传播算法 | 第32-34页 |
| 3.2.2 卷积层梯度计算 | 第34-35页 |
| 3.2.3 池化层梯度的计算 | 第35-36页 |
| 3.2.4 学习特征映射的组合 | 第36页 |
| 3.3 提取人脸特征的网络结构 | 第36-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 低分辨率人脸验证 | 第43-57页 |
| 4.1 低分辨率人脸的预处理 | 第44-45页 |
| 4.2 卷积神经网络的结构 | 第45-48页 |
| 4.2.1 提取高分辨率人脸基准特征的网络结构 | 第46-47页 |
| 4.2.2 提取低分辨率测试样本特征的网络结构 | 第47-48页 |
| 4.3 低分辨率图像的特征增强 | 第48-51页 |
| 4.4 人脸特征的提取 | 第51-54页 |
| 4.5 联合贝叶斯的人脸验证 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 实验与分析 | 第57-70页 |
| 5.1 训练样本与测试样本 | 第57-59页 |
| 5.2 实验的软硬件平台 | 第59页 |
| 5.3 人脸验证效果 | 第59-66页 |
| 5.4 使用两个网络来提取人脸特征对识别率的影响 | 第66-67页 |
| 5.5 低分辨率特征增强对识别率的影响 | 第67页 |
| 5.6 低分辨率人脸识别的应用 | 第67-69页 |
| 5.7 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 本文总结 | 第70页 |
| 6.2 工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间取得的成果 | 第78-79页 |
