基于深度学习的年龄不变人脸识别技术研究与实现
摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-15页 |
1.1 研究工作的背景与意义 | 第11-12页 |
1.2 国内外研究历史与现状 | 第12-13页 |
1.3 本文的主要工作内容 | 第13-14页 |
1.4 本论文的结构安排 | 第14-15页 |
第二章 深度学习与人脸识别常用方法 | 第15-37页 |
2.1 深度学习简介 | 第15-27页 |
2.1.1 深度学习历史回顾 | 第15-19页 |
2.1.2 经典深度学习模型介绍 | 第19-23页 |
2.1.2.1 卷积神经网络 | 第19-21页 |
2.1.2.2 深度置信网络 | 第21页 |
2.1.2.3 自编码器 | 第21-23页 |
2.1.3 深度学习工作原理 | 第23-27页 |
2.1.3.1 反向传播算法 | 第24-25页 |
2.1.3.2 特征学习 | 第25-26页 |
2.1.3.3 深度结构 | 第26-27页 |
2.1.3.4 联合学习 | 第27页 |
2.2 人脸识别简介 | 第27-33页 |
2.2.1 人脸识别定义 | 第27-29页 |
2.2.2 人脸识别常用方法 | 第29-31页 |
2.2.2.1 全局方法 | 第29-30页 |
2.2.2.2 局部方法 | 第30-31页 |
2.2.3 深度学习在人脸识别中的应用 | 第31-33页 |
2.3 年龄不变识别常用方法 | 第33-36页 |
2.3.1 生成方法 | 第33-34页 |
2.3.2 判别方法 | 第34-35页 |
2.3.3 深度学习方法 | 第35-36页 |
2.4 本章小结 | 第36-37页 |
第三章 耦合自编码器神经网络 | 第37-51页 |
3.1 模型概览 | 第37-38页 |
3.1.1 问题建模 | 第37-38页 |
3.1.2 两步训练算法 | 第38页 |
3.2 核心思想 | 第38-42页 |
3.2.1 动机 | 第40-41页 |
3.2.2 隐因子分析模型 | 第41页 |
3.2.3 系统框架 | 第41-42页 |
3.3 基本重构 | 第42-43页 |
3.4 迁移 | 第43-45页 |
3.5 训练 | 第45-46页 |
3.6 降维 | 第46-49页 |
3.6.1 主成分分析 | 第46-48页 |
3.6.2 线性判别分析 | 第48-49页 |
3.7 匹配方法 | 第49-50页 |
3.7.1 余弦距离 | 第49-50页 |
3.8 本章小结 | 第50-51页 |
第四章 年龄不变人脸识别系统实现 | 第51-58页 |
4.1 环境配置 | 第51页 |
4.2 系统实现 | 第51-57页 |
4.2.1 数据获取与预处理 | 第52-54页 |
4.2.2 训练CAN | 第54-55页 |
4.2.3 特征提取 | 第55-56页 |
4.2.4 降维 | 第56-57页 |
4.2.5 评估 | 第57页 |
4.3 本章小结 | 第57-58页 |
第五章 实验与结果分析 | 第58-71页 |
5.1 数据集 | 第58-59页 |
5.1.1 FGNET | 第58-59页 |
5.1.2 CACD | 第59页 |
5.2 参数设置 | 第59-60页 |
5.3 在FGNET上的实验 | 第60-66页 |
5.3.1 评估指标 | 第61页 |
5.3.2 参数探索 | 第61-63页 |
5.3.2.1 隐层神经元数目 | 第61-62页 |
5.3.2.2 降维子空间参数 | 第62-63页 |
5.3.3 降维策略探索 | 第63页 |
5.3.4 实验结果 | 第63-65页 |
5.3.5 老化和去老化操作的可视化 | 第65-66页 |
5.4 在CACD上的实验 | 第66-68页 |
5.4.1 评估指标 | 第66-67页 |
5.4.2 实验结果 | 第67-68页 |
5.5 在CACD-VS上的实验 | 第68-70页 |
5.5.1 实验结果 | 第68-69页 |
5.5.2 人类表现 | 第69-70页 |
5.6 本章小结 | 第70-71页 |
第六章 全文总结与展望 | 第71-72页 |
6.1 全文总结 | 第71页 |
6.2 后续工作展望 | 第71-72页 |
致谢 | 第72-73页 |
参考文献 | 第73-77页 |
攻读硕士学位期间取得的成果 | 第77-78页 |