| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状及方法分类 | 第11-15页 |
| 1.2.1 人脸识别国内外研究现状 | 第11-13页 |
| 1.2.2 人脸识别方法分类 | 第13-14页 |
| 1.2.3 卷积神经网络发展现状 | 第14-15页 |
| 1.3 人脸数据库介绍 | 第15-16页 |
| 1.4 本文的主要工作及组织结构 | 第16-18页 |
| 1.4.1 本文的主要工作 | 第16-17页 |
| 1.4.2 本文的组织结构 | 第17-18页 |
| 第二章 人脸特征提取相关理论 | 第18-31页 |
| 2.1 概述 | 第18页 |
| 2.2 传统人脸特征提取方法及原理 | 第18-23页 |
| 2.2.1 小波变换 | 第18-20页 |
| 2.2.2 Sobel算子 | 第20-21页 |
| 2.2.3 局部二值模式(LocalBinaryPattern,LBP) | 第21-23页 |
| 2.3 卷积神经网络结构及原理 | 第23-30页 |
| 2.3.1 网络模型 | 第25-26页 |
| 2.3.2 卷积神经网络原理 | 第26-27页 |
| 2.3.3 卷积神经网络的训练 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于卷积神经网络的小样本人脸识别方法 | 第31-40页 |
| 3.1 概述 | 第31页 |
| 3.2 归一化和扩充虚拟样本 | 第31-32页 |
| 3.3 人脸图像多特征提取 | 第32-35页 |
| 3.3.1 提取一层DWT低频子带图 | 第33-34页 |
| 3.3.2 提取Sobel边缘特征图 | 第34页 |
| 3.3.3 提取LBP纹理特征图 | 第34-35页 |
| 3.4 单层多尺度卷积神经网络设计 | 第35-39页 |
| 3.4.1 总体设计 | 第35-36页 |
| 3.4.2 细节设计 | 第36-39页 |
| 3.5 本文创新 | 第39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 实验及分析 | 第40-47页 |
| 4.1 概述 | 第40页 |
| 4.2 AR数据库实验 | 第40-43页 |
| 4.2.1 特征提取实验 | 第41-42页 |
| 4.2.2 与DeepID对比实验 | 第42-43页 |
| 4.3 ORL数据库实验 | 第43-45页 |
| 4.4 YaleB+ExtendedYaleB数据库实验 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读学位期间所取得的相关科研成果 | 第53-54页 |
| 致谢 | 第54-55页 |