基于深度学习的人脸识别算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 人脸识别理论 | 第15-20页 |
| 2.1 引言 | 第15页 |
| 2.2 常见的传统的人脸识别算法 | 第15-18页 |
| 2.2.1 主成份分析(PCA) | 第15-16页 |
| 2.2.2 局部二值模式(LBP) | 第16-17页 |
| 2.2.3 人工神经网络(ANN) | 第17-18页 |
| 2.3 人脸识别主要存在的难题 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 深度学习理论 | 第20-30页 |
| 3.1 引言 | 第20页 |
| 3.2 深度学习的由来及研究现状 | 第20-23页 |
| 3.2.1 深度学习的由来 | 第20-21页 |
| 3.2.2 深度学习研究的新进展 | 第21-23页 |
| 3.3 三种常见的深度学习算法 | 第23-27页 |
| 3.3.1 SAE稀疏自动编码算法 | 第23-24页 |
| 3.3.2 DBN深度置信网算法 | 第24-26页 |
| 3.3.3 Deep CNNs深度卷积网络算法 | 第26-27页 |
| 3.4 对手写字符识别仿真实验 | 第27-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 局部二值模式(LBP)算法 | 第30-37页 |
| 4.1 引言 | 第30页 |
| 4.2 LBP理论 | 第30-32页 |
| 4.3 基于局部二值模式(LBP)的人脸识别 | 第32-36页 |
| 4.3.1 人脸区域的划分 | 第33页 |
| 4.3.2 分区域的LBP特征提取 | 第33-34页 |
| 4.3.3 PCA降维 | 第34-35页 |
| 4.3.4 仿真实验 | 第35-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第五章 基于多特征融合的深度学习人脸识别 | 第37-48页 |
| 5.1 引言 | 第37-38页 |
| 5.2 基于多特征融合的深度学习人脸识别原理 | 第38-39页 |
| 5.3 深度卷积网络的人脸识别模型的构建过程 | 第39-44页 |
| 5.3.1 基于LBP的人脸局部纹理特征提取 | 第39-41页 |
| 5.3.2 深度卷积网络人脸识别的构建 | 第41-42页 |
| 5.3.3 人脸图像特征分类识别 | 第42-44页 |
| 5.4 实验结构及分析 | 第44-47页 |
| 5.5 本章小结 | 第47-48页 |
| 总结与展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 攻读学位期间发表的论文 | 第55-59页 |
| 致谢 | 第59页 |
