基于ART2网络的人脸识别研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-23页 |
| ·引言 | 第13页 |
| ·课题研究背景及意义 | 第13-14页 |
| ·人脸识别技术概述 | 第14-20页 |
| ·人脸识别的研究内容 | 第14-16页 |
| ·人脸识别技术的研究现状 | 第16-17页 |
| ·人脸识别技术存在的难点 | 第17-19页 |
| ·人脸识别技术的应用领域 | 第19-20页 |
| ·本文的贡献及内容组织 | 第20-23页 |
| ·本文的贡献 | 第20页 |
| ·本文的内容组织 | 第20-23页 |
| 第二章 ART 自适应谐振理论 | 第23-35页 |
| ·自组织神经网络的提出 | 第23-25页 |
| ·ART1 网络结构及算法 | 第25-28页 |
| ·ART1 网络结构 | 第25-27页 |
| ·ART1 网络工作原理 | 第27-28页 |
| ·ART2 网络结构及算法 | 第28-34页 |
| ·ART2 网络结构 | 第28-30页 |
| ·ART2 网络工作原理 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于粗分类的 ART2 神经网络 | 第35-49页 |
| ·ART2 网络在人脸识别中的优点和不足 | 第35-36页 |
| ·ART2 网络在人脸识别中的优点 | 第35-36页 |
| ·ART2 网络在人脸识别中的不足 | 第36页 |
| ·ART2 神经网络工作效率的改进 | 第36-38页 |
| ·Adaboost 算法原理 | 第38-43页 |
| ·Harr 特征与积分图 | 第38-41页 |
| ·Adaboost 算法步骤 | 第41-43页 |
| ·实验结果与分析 | 第43-47页 |
| ·训练眼镜分类器 | 第43-46页 |
| ·实验结果对比分析 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 基于人眼定位的人脸检测方法 | 第49-59页 |
| ·人眼定位 | 第49-50页 |
| ·Adaboost 的人脸检测方法 | 第50-52页 |
| ·改进的人脸检测方法 | 第52-54页 |
| ·实验结果与分析 | 第54-57页 |
| ·实验方案 | 第54-56页 |
| ·两种人脸检测方法的识别率比较 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 总结及展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 研究成果及发表的学术论文 | 第67-68页 |
| 作者及导师简介 | 第68-69页 |
| 附件 | 第69-70页 |
