基于深度学习的人脸身份认证方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 人脸识别研究发展、现状和主要存在的难点 | 第9-12页 |
| 1.2.1 人脸识别的发展 | 第10页 |
| 1.2.2 人脸识别的现状 | 第10-11页 |
| 1.2.3 主要存在的难点 | 第11-12页 |
| 1.3 本文的主要工作与章节安排 | 第12-14页 |
| 2 相关基础理论 | 第14-32页 |
| 2.1 引言 | 第14页 |
| 2.2 人脸识别流程 | 第14-15页 |
| 2.3 传统的人脸识别算法 | 第15-17页 |
| 2.3.1 基于几何特征的人脸识别 | 第15页 |
| 2.3.2 基于模板匹配的算法 | 第15-16页 |
| 2.3.3 基于统计的方法 | 第16-17页 |
| 2.4 人工神经网络 | 第17-23页 |
| 2.4.1 神经元模型 | 第17-20页 |
| 2.4.2 感知器网络 | 第20-21页 |
| 2.4.3 BP算法 | 第21-23页 |
| 2.5 深度学习理论 | 第23-31页 |
| 2.5.1 深度学习的发展与现状 | 第23-24页 |
| 2.5.2 深度学习的基本思想 | 第24页 |
| 2.5.3 深度学习的学习算法 | 第24-25页 |
| 2.5.4 栈式自编码器 | 第25-27页 |
| 2.5.5 去噪自编码器 | 第27-28页 |
| 2.5.6 稀疏自编码器 | 第28-29页 |
| 2.5.7 卷积神经网络 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 深度重构网络 | 第32-50页 |
| 3.1 引言 | 第32页 |
| 3.2 深度重构网络模型与训练算法 | 第32-36页 |
| 3.2.1 深度重构网络模型 | 第32-33页 |
| 3.2.2 深度重构网络训练算法 | 第33-36页 |
| 3.3 网络参数设置与防止过拟合 | 第36-38页 |
| 3.3.1 网络参数设置 | 第36-37页 |
| 3.3.2 防止网络过拟合 | 第37-38页 |
| 3.4 实验仿真与结果分析 | 第38-48页 |
| 3.4.1 实验环境 | 第38-39页 |
| 3.4.2 人脸重构实验与结果分析 | 第39-44页 |
| 3.4.3 特征提取实验与结果分析 | 第44-45页 |
| 3.4.4 网络层数对性能的影响 | 第45-48页 |
| 3.5 本章小结 | 第48-50页 |
| 4 人脸身份认证 | 第50-56页 |
| 4.1 深度学习与数据相似性度量 | 第50页 |
| 4.2 特征认证网络 | 第50-51页 |
| 4.2.1 特征认证网络模型 | 第50-51页 |
| 4.2.2 特征认证网络训练方法 | 第51页 |
| 4.3 实验仿真与结果分析 | 第51-54页 |
| 4.3.1 算法识别率对比 | 第51-53页 |
| 4.3.2 特征认证网络层数对识别率影响 | 第53-54页 |
| 4.4 本章小结 | 第54-56页 |
| 5 总结和展望 | 第56-58页 |
| 5.1 工作总结 | 第56页 |
| 5.2 研究展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
