基于卷积神经网络的人脸验证研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 人脸识别技术概括 | 第9-10页 |
| 1.2.1 人脸识别技术的发展 | 第9-10页 |
| 1.2.2 人脸验证技术的发展 | 第10页 |
| 1.3 卷积神经网络 | 第10-12页 |
| 1.4 常用人脸数据库 | 第12-14页 |
| 1.4.1 Yale B人脸数据库 | 第12-13页 |
| 1.4.2 ORL人脸数据库 | 第13页 |
| 1.4.3 AR人脸数据库 | 第13-14页 |
| 1.4.4 LFW人脸数据库 | 第14页 |
| 1.5 技术难点 | 第14-15页 |
| 1.6 章节安排 | 第15-16页 |
| 第2章 神经网络介绍 | 第16-28页 |
| 2.1 神经网络 | 第16-21页 |
| 2.1.1 神经元模型 | 第16-17页 |
| 2.1.2 神经网络模型 | 第17-18页 |
| 2.1.3 神经网络的训练 | 第18-21页 |
| 2.2 卷积神经网络 | 第21-27页 |
| 2.2.1 卷积神经网络模型 | 第22-23页 |
| 2.2.2 卷积神经网络输出值的计算 | 第23-24页 |
| 2.2.3 卷积神经网络的训练 | 第24-26页 |
| 2.2.4 softmax分类器 | 第26-27页 |
| 2.3 本章小节 | 第27-28页 |
| 第3章 混合卷积神经网络的人脸验证 | 第28-39页 |
| 3.1 混合卷积神经网络模型设计的流程 | 第28-29页 |
| 3.2 混合卷积神经网络模型结构 | 第29页 |
| 3.3 卷积神经网络模型设计 | 第29-31页 |
| 3.4 基于人脸库上的实验结果分析 | 第31-35页 |
| 3.4.1 基于Yale B库上的实验结果分析 | 第31-33页 |
| 3.4.2 基于AR库上的实验结果分析 | 第33-35页 |
| 3.5 模型特征操作相关知识 | 第35-38页 |
| 3.5.1 特征分类器选择 | 第35-37页 |
| 3.5.2 特征选择操作相关知识 | 第37-38页 |
| 3.6 本章小节 | 第38-39页 |
| 第4章 并行三通道卷积神经网络人脸验证 | 第39-49页 |
| 4.1 模型优化相关知识 | 第39-41页 |
| 4.1.1 SGD优化算法 | 第39-40页 |
| 4.1.2 Adadelta优化算法 | 第40页 |
| 4.1.3 dropout | 第40-41页 |
| 4.2 三通道并行卷积神经网络模型设计流程 | 第41-42页 |
| 4.3 三通道并行卷积神经网络模型 | 第42-44页 |
| 4.4 卷积神经网络框架 | 第44页 |
| 4.5 实验结果分析 | 第44-48页 |
| 4.5.1 全连接模型训练 | 第45-47页 |
| 4.5.2 局部连接模型训练 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-50页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 附录A 攻读硕士学位期间发表的论文 | 第53页 |
