| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-18页 |
| 1.2.1 传统人脸识别方法 | 第13-14页 |
| 1.2.2 基于深度学习的人脸识别方法 | 第14-17页 |
| 1.2.3 常用人脸识别数据集简介 | 第17-18页 |
| 1.3 论文所完成工作及章节安排 | 第18-20页 |
| 1.3.1 论文所完成工作 | 第18-19页 |
| 1.3.2 全文章节安排 | 第19-20页 |
| 2 深度神经网络 | 第20-30页 |
| 2.1 神经网络概述 | 第20-21页 |
| 2.2 卷积神经网络 | 第21-22页 |
| 2.3 Caffe框架 | 第22-29页 |
| 2.3.1 Caffe简介 | 第22-23页 |
| 2.3.2 Caffe软件架构 | 第23-25页 |
| 2.3.3 Caffe平台的搭建 | 第25-27页 |
| 2.3.4 基于Caffe平台的MNIST手写数字识别 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 基于迁移学习的人脸模型精调 | 第30-38页 |
| 3.1 迁移学习 | 第30-31页 |
| 3.2 基于迁移学习的人脸模型精调 | 第31-33页 |
| 3.3 实现细节 | 第33-36页 |
| 3.3.1 源模型 | 第33页 |
| 3.3.2 数据集 | 第33-34页 |
| 3.3.3 训练 | 第34-36页 |
| 3.4 实验结果及分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 基于深度哈希的快速人脸比对方法 | 第38-50页 |
| 4.1 基于三元组损失的人脸嵌入 | 第40-45页 |
| 4.1.1 学习算法 | 第42-45页 |
| 4.1.2 三元组生成 | 第45页 |
| 4.2 基于随机映射的哈希算法 | 第45-46页 |
| 4.3 实验结果及分析 | 第46-49页 |
| 4.3.1 实现细节 | 第46页 |
| 4.3.2 比较方法 | 第46-47页 |
| 4.3.3 评估标准 | 第47页 |
| 4.3.4 实验结果 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 闸机检票人脸识别系统开发 | 第50-61页 |
| 5.1 人脸识别系统架构 | 第51-52页 |
| 5.2 人脸识别系统算法流程 | 第52-53页 |
| 5.3 辅助模块开发 | 第53-55页 |
| 5.3.1 用户注册模块 | 第53-54页 |
| 5.3.2 人脸识别模块 | 第54-55页 |
| 5.4 人脸识别模块封装 | 第55-60页 |
| 5.4.1 人脸识别网络服务版 | 第55-58页 |
| 5.4.2 动态链接库封装 | 第58-60页 |
| 5.5 真实场景测试及结果分析 | 第60页 |
| 5.6 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |