| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容及设计指标 | 第10页 |
| 1.3.1 研究内容 | 第10页 |
| 1.3.2 设计指标 | 第10页 |
| 1.4 论文组织结构 | 第10-12页 |
| 第二章 人脸识别算法与系统分析 | 第12-24页 |
| 2.1 人脸识别算法分析 | 第12-19页 |
| 2.1.1 人脸识别的技术难点 | 第12页 |
| 2.1.2 人脸图像库选择 | 第12-13页 |
| 2.1.3 人脸识别算法说明 | 第13-19页 |
| 2.2 基于FPGA的人脸识别系统分析 | 第19-22页 |
| 2.2.1 基于FPGA的人脸识别系统分析 | 第20-22页 |
| 2.2.2 基于FPGA的人脸识别系统的设计难点 | 第22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 基于张量神经网络的人脸识别算法设计 | 第24-42页 |
| 3.1 人脸识别系统算法框架设计 | 第24页 |
| 3.2 人脸图像预处理算法设计 | 第24-31页 |
| 3.2.1 对比度受限自适应直方图均衡化 | 第24-28页 |
| 3.2.2 高频强调滤波 | 第28-29页 |
| 3.2.3 标准化 | 第29-30页 |
| 3.2.4 预处理算法验证与分析 | 第30-31页 |
| 3.3 张量神经网络设计 | 第31-41页 |
| 3.3.1 张量神经网络算法模型设计 | 第31-33页 |
| 3.3.2 卷积层与降采样层设计 | 第33-34页 |
| 3.3.3 张量分解层设计 | 第34-35页 |
| 3.3.4 张量分解层反向传播 | 第35-36页 |
| 3.3.5 张量神经网络设计分析 | 第36-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于张量神经网络的FPGA人脸识别系统设计 | 第42-62页 |
| 4.1 Zynq-7000人脸识别系统 | 第42-43页 |
| 4.2 实现浮点数转化定点数 | 第43-45页 |
| 4.3 人脸识别系统通信模块设计 | 第45-47页 |
| 4.4 卷积运算加速器设计 | 第47-57页 |
| 4.4.1 卷积处理单元设计 | 第47-50页 |
| 4.4.2 卷积缓存单元设计 | 第50-52页 |
| 4.4.3 卷积运算体系设计 | 第52-53页 |
| 4.4.4 卷积运算体系控制逻辑设计 | 第53-57页 |
| 4.5 张量分解运算加速器模块设计 | 第57-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 人脸识别系统的验证分析 | 第62-70页 |
| 5.1 软硬件测试环境选择 | 第62-63页 |
| 5.1.1 硬件环境 | 第62页 |
| 5.1.2 软件环境 | 第62-63页 |
| 5.2 基于FPGA的人脸识别系统功能验证与性能分析 | 第63-68页 |
| 5.2.1 人脸识别系统验证平台搭建 | 第63-64页 |
| 5.2.2 人脸识别系统功能验证 | 第64-66页 |
| 5.2.3 人脸识别系统性能分析 | 第66-68页 |
| 5.3 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-76页 |
| 攻读硕士期间的成果 | 第76页 |