基于卷积神经网络的人脸识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 人脸识别及CNN的研究现状 | 第9-12页 |
| 1.2.2 深度学习框架研究现状 | 第12-14页 |
| 1.3 本文的主要工作及组织结构 | 第14-16页 |
| 第2章 卷积神经网络及其设计基础 | 第16-25页 |
| 2.1 卷积神经网络概述 | 第16-22页 |
| 2.1.1 卷积层 | 第17-19页 |
| 2.1.2 池化层 | 第19页 |
| 2.1.3 损失函数 | 第19-22页 |
| 2.2 卷积神经网络设计基础 | 第22-24页 |
| 2.2.1 数据的存储与交换 | 第23页 |
| 2.2.2 层的计算和连接 | 第23-24页 |
| 2.2.3 网络的定义和操作 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于捷径的卷积神经网络的人脸识别 | 第25-37页 |
| 3.1 基于捷径卷积神经网络算法 | 第25-29页 |
| 3.1.1 捷径连接网络 | 第27页 |
| 3.1.2 附加惩罚函数 | 第27-29页 |
| 3.2 图像预处理 | 第29-30页 |
| 3.3 实验结果与分析 | 第30-36页 |
| 3.3.1 CASIA-web数据集实验结果 | 第30-33页 |
| 3.3.2 Facescrub数据集实验结果 | 第33-35页 |
| 3.3.3 实验结果分析 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于多尺度残差网络模型的人脸识别 | 第37-52页 |
| 4.1 基于多尺度残差网络模型 | 第37-47页 |
| 4.1.1 多尺度跨通道卷积 | 第37-39页 |
| 4.1.2 卷积核分解 | 第39-42页 |
| 4.1.3 多尺度小卷积核 | 第42-45页 |
| 4.1.4 多尺度残差网络 | 第45-47页 |
| 4.2 实验与数据分析 | 第47-49页 |
| 4.2.1 数据预处理 | 第47-48页 |
| 4.2.2 模型训练与性能评估 | 第48-49页 |
| 4.2.3 实验结果分析 | 第49页 |
| 4.3 人脸识别系统测试 | 第49-51页 |
| 4.3.1 机器识别一般过程 | 第49-50页 |
| 4.3.2 识别系统测试 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 研究工作总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 硕士期间学术论文及研究成果 | 第55-56页 |
| 参考文献 | 第56-60页 |
