摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第9-16页 |
1.1 课题研究背景和意义 | 第9-10页 |
1.2 人脸识别的国内外研究现状 | 第10-11页 |
1.3 低分辨率人脸识别与高分辨率人脸识别 | 第11-12页 |
1.4 低分辨率人脸识别研究的主要难点 | 第12-14页 |
1.4.1 低分辨率图像人脸检测的主要难点 | 第13页 |
1.4.2 低分辨率图像人脸识别的主要难点 | 第13-14页 |
1.5 本文主要工作及章节安排 | 第14-16页 |
第二章 人脸识别基础 | 第16-28页 |
2.1 人脸识别流程 | 第16-21页 |
2.1.1 人脸检测 | 第17-19页 |
2.1.2 人脸规范化 | 第19-20页 |
2.1.3 人脸特征提取 | 第20-21页 |
2.1.4 人脸对比 | 第21页 |
2.2 人脸识别方法 | 第21-26页 |
2.2.1 PCA算法 | 第22页 |
2.2.2 基于线性判别分析的人脸识别方法 | 第22-24页 |
2.2.3 基于深度卷积神经网络的人脸识别方法 | 第24-26页 |
2.3 人脸搜索方法 | 第26-27页 |
2.4 人脸识别评价指标 | 第27页 |
2.5 本章小结 | 第27-28页 |
第三章 低分辨率人脸识别 | 第28-39页 |
3.1 低分辨率图像产生原因 | 第28-29页 |
3.2 低分辨率图像的预处理 | 第29-31页 |
3.2.1 光照归一化 | 第30页 |
3.2.2 图像去噪 | 第30-31页 |
3.2.3 尺寸归一化 | 第31页 |
3.3 超分辨率算法 | 第31-36页 |
3.3.1 基于插值的超分辨率算法 | 第31-34页 |
3.3.2 基于重构的超分辨率算法 | 第34-35页 |
3.3.3 基于学习的超分辨率算法 | 第35-36页 |
3.4 低分辨率人脸识别算法分类 | 第36页 |
3.5 低分辨率图像质量评估 | 第36-38页 |
3.5.1 主观评价 | 第37页 |
3.5.2 客观评价 | 第37页 |
3.5.3 无参考图像的清晰度评价方法 | 第37-38页 |
3.6 本章小结 | 第38-39页 |
第四章 基于CentreFace的低分辨率人脸识别及其改进 | 第39-53页 |
4.1 基于CentreFace的人脸识别 | 第39-45页 |
4.1.1 训练数据集 | 第40-42页 |
4.1.2 CentreFace的网络架构 | 第42-43页 |
4.1.3 损失函数和训练方法 | 第43-45页 |
4.2 CentreFace的改进 | 第45-46页 |
4.2.1 损失函数的改进 | 第45-46页 |
4.2.2 训练方法的改进 | 第46页 |
4.3 特征向量不同的分类方法 | 第46-48页 |
4.3.1 基于特征向量间角度的分类方法 | 第46-47页 |
4.3.2 基于特征向量间欧式距离的分类方法 | 第47-48页 |
4.4 实验结果与分析 | 第48-52页 |
4.5 本章小结 | 第52-53页 |
第五章 基于知识蒸馏的Li-ArcFace低分辨率人脸识别 | 第53-64页 |
5.1 基于ArcFace的低分辨率人脸识别 | 第53-55页 |
5.1.1 网络结构 | 第53-54页 |
5.1.2 损失函数和网络模型训练 | 第54-55页 |
5.2 基于Li-ArcFace的低分辨率人脸识别 | 第55-59页 |
5.2.1 网络结构 | 第55页 |
5.2.2 损失函数和网络模型训练 | 第55-56页 |
5.2.3 Li-ArcFace与其他先进方法的比较 | 第56-57页 |
5.2.4 Li-ArcFace与 ArcFace的区别 | 第57-59页 |
5.3 基于知识蒸馏的低分辨率人脸识别 | 第59-63页 |
5.3.1 知识蒸馏 | 第59-60页 |
5.3.2 知识蒸馏与Li-ArcFace的结合 | 第60-62页 |
5.3.3 实验结果与分析 | 第62-63页 |
5.4 本章小结 | 第63-64页 |
第六章 总结与展望 | 第64-66页 |
6.1 总结 | 第64-65页 |
6.2 展望 | 第65-66页 |
参考文献 | 第66-70页 |
附录1 攻读硕士学位期间撰写的论文 | 第70-71页 |
附录2 攻读硕士学位期间申请的专利 | 第71-72页 |
附录3 攻读硕士学位期间参加的科研项目 | 第72-73页 |
致谢 | 第73页 |