单模型多任务人脸识别与属性分析及系统实现
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究现状及技术难点 | 第11-15页 |
| 1.2.1 人脸识别与属性分析研究现状 | 第11-12页 |
| 1.2.2 卷积神经网络研究现状 | 第12-14页 |
| 1.2.3 技术难点 | 第14-15页 |
| 1.3 本文主要研究内容及创新点 | 第15-16页 |
| 1.4 章节安排 | 第16-17页 |
| 第二章 基础理论 | 第17-30页 |
| 2.1 人脸识别与属性分析基本流程 | 第17-20页 |
| 2.1.1 人脸检测 | 第17-18页 |
| 2.1.2 人脸对齐与预处理 | 第18页 |
| 2.1.3 人脸识别与属性分析 | 第18-20页 |
| 2.2 卷积神经网络 | 第20-29页 |
| 2.2.1 感知机和激活函数 | 第21-23页 |
| 2.2.2 卷积神经网络结构 | 第23-24页 |
| 2.2.3 前向传播和反向传播 | 第24-27页 |
| 2.2.4 卷积和池化 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 单模型多任务人脸识别与属性分析 | 第30-53页 |
| 3.1 问题概述 | 第30-31页 |
| 3.2 单模型多任务人脸识别与属性分析 | 第31-39页 |
| 3.2.1 单模型的网络结构 | 第31-35页 |
| 3.2.2 单模型的损失函数 | 第35-38页 |
| 3.2.3 多任务的训练 | 第38-39页 |
| 3.3 实验结果与分析 | 第39-52页 |
| 3.3.1 图像数据库与预处理 | 第39-42页 |
| 3.3.2 人脸识别实验结果 | 第42-47页 |
| 3.3.3 人脸属性分析实验结果 | 第47-51页 |
| 3.3.4 实验分析 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 人脸识别与属性分析系统设计及实现 | 第53-65页 |
| 4.1 系统概况 | 第53-54页 |
| 4.2 系统整体框架 | 第54-61页 |
| 4.2.1 视频获取和解析 | 第55页 |
| 4.2.2 人脸检测 | 第55-56页 |
| 4.2.3 人脸归一化处理 | 第56-57页 |
| 4.2.4 特征提取和识别 | 第57-60页 |
| 4.2.5 日志记录 | 第60页 |
| 4.2.6 人脸注册 | 第60-61页 |
| 4.2.7 设置 | 第61页 |
| 4.3 系统测试 | 第61-63页 |
| 4.4 系统的优缺点及改进方案 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-74页 |
| 致谢 | 第74-75页 |
| 硕士期间发表的论文与参加的科研项目 | 第75页 |
