| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文主要工作及创新点 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第2章 视通路以及卷积神经网络 | 第15-23页 |
| 2.1 视通路概述 | 第15-17页 |
| 2.1.1 视网膜 | 第15页 |
| 2.1.2 膝状体与初级视觉皮层 | 第15-16页 |
| 2.1.3 左右半球系统 | 第16-17页 |
| 2.2 神经元细胞 | 第17-20页 |
| 2.2.1 局部连接 | 第17-18页 |
| 2.2.2 激活函数 | 第18-19页 |
| 2.2.3 池化采样 | 第19页 |
| 2.2.4 Softmax分类器 | 第19-20页 |
| 2.3 防止网络过拟合的方法 | 第20-22页 |
| 2.3.1 Dropout层 | 第20-21页 |
| 2.3.2 BN层 | 第21-22页 |
| 2.3.3 正则化 | 第22页 |
| 2.4 小结 | 第22-23页 |
| 第3章 基于视觉信息流的双视通路面孔验证模型 | 第23-32页 |
| 3.1 概述 | 第23页 |
| 3.2 基于视觉信息流的双视通路的面孔验证模型 | 第23-24页 |
| 3.3 算法原理 | 第24-27页 |
| 3.3.1 前馈卷积网络 | 第24-25页 |
| 3.3.2 添加监督信号 | 第25-27页 |
| 3.3.3 面孔验证分类器 | 第27页 |
| 3.4 实验过程以及分析 | 第27-31页 |
| 3.4.1 双通道网络结构的性能测试 | 第28-30页 |
| 3.4.2 控制分类信号和监督信号之间的相关性 | 第30-31页 |
| 3.5 小结 | 第31-32页 |
| 第4章 基于视知觉皮质通路的正立和倒立面孔混合识别 | 第32-41页 |
| 4.1 概述 | 第32-33页 |
| 4.2 基于视知觉皮质通路的正立和倒立面孔混合识别 | 第33-34页 |
| 4.3 算法原理 | 第34-36页 |
| 4.3.1 底层视通路 | 第34页 |
| 4.3.2 局部池化层 | 第34-35页 |
| 4.3.3 多特征融合 | 第35页 |
| 4.3.4 预测函数 | 第35-36页 |
| 4.4 实验结果及分析 | 第36-40页 |
| 4.4.1 单一训练集情况下的识别性能 | 第36-38页 |
| 4.4.2 混合识别模型中的参数优化 | 第38-39页 |
| 4.4.3 样本集对识别性能的影响 | 第39-40页 |
| 4.5 小结 | 第40-41页 |
| 第5章 基于层次信息融合的多尺度面孔识别新方法 | 第41-49页 |
| 5.1 概述 | 第41页 |
| 5.2 基于层次信息融合的多尺度面孔识别 | 第41-42页 |
| 5.3 算法原理 | 第42-45页 |
| 5.3.1 层级采样 | 第42-44页 |
| 5.3.2 多层信息表达的全连接层 | 第44-45页 |
| 5.4 实验过程以及分析 | 第45-48页 |
| 5.4.1 网络层的采样频率选择 | 第46-47页 |
| 5.4.2 全局信息和局部信息的关系比 | 第47页 |
| 5.4.3 多尺度样本训练的影响 | 第47-48页 |
| 5.5 小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56页 |