| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 理论基础 | 第15-25页 |
| 2.1 稀疏表示图像识别 | 第15-16页 |
| 2.1.1 稀疏表示图像识别算法 | 第15-16页 |
| 2.2 测度学习 | 第16-19页 |
| 2.2.1 常用距离测度 | 第17-18页 |
| 2.2.2 距离测度学习 | 第18-19页 |
| 2.3 深度学习 | 第19-24页 |
| 2.3.1 深度学习的基本思想 | 第19-20页 |
| 2.3.2 深度神经网络 | 第20-22页 |
| 2.3.3 神经网络训练方法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于局部相似模板匹配组合的稀疏表示亲属关系识别 | 第25-35页 |
| 3.1 引言 | 第25-26页 |
| 3.2 基于局部相似模板匹配组合的稀疏表示亲属关系识别 | 第26-31页 |
| 3.2.1 局部相似模板匹配组合算法 | 第27-29页 |
| 3.2.2 多模块字典稀疏表示判别准则 | 第29-31页 |
| 3.3 实验仿真研究 | 第31-33页 |
| 3.3.1 PC KinFace Database数据库 | 第31页 |
| 3.3.2 实验仿真 | 第31-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于邻域排斥测度学习稀疏判决的亲属关系认证算法 | 第35-47页 |
| 4.1 引言 | 第35-36页 |
| 4.2 基于邻域排斥测度学习稀疏判决的亲属关系认证算法 | 第36-41页 |
| 4.2.1 邻域排斥测度学习 | 第36-39页 |
| 4.2.2 稀疏判决亲属关系认证算法 | 第39-41页 |
| 4.3 实验仿真研究 | 第41-46页 |
| 4.3.1 KinFaceW-I数据库 | 第43-44页 |
| 4.3.2 KinFaceW-II数据库 | 第44-46页 |
| 4.3.3 稀疏度对实验结果影响 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于Lightened CNN深度人脸特征表示的单样本亲属关系认证算法 | 第47-59页 |
| 5.1 引言 | 第47-48页 |
| 5.2 CNN卷积神经网络结构 | 第48-51页 |
| 5.2.1 输入层 | 第48-49页 |
| 5.2.2 卷积层 | 第49-50页 |
| 5.2.3 子采样层 | 第50页 |
| 5.2.4 输出层 | 第50-51页 |
| 5.2.5 训练过程 | 第51页 |
| 5.3 基于LIGHTENED CNN人脸特征表示的亲属关系认证算法 | 第51-54页 |
| 5.3.1 Lightened CNN网络结构框架 | 第51-52页 |
| 5.3.2 MFM(MaxFeatureMap)激活函数 | 第52-54页 |
| 5.4 实验仿真研究 | 第54-57页 |
| 5.4.1 数据库及图像预处理 | 第54-56页 |
| 5.4.2 实验结果 | 第56-57页 |
| 5.5 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67页 |
