基于深度学习的多形态人脸识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-10页 |
| 1 人脸识别 | 第10-22页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 人脸识别的应用 | 第11-12页 |
| 1.3 多形态人脸图像特点 | 第12-13页 |
| 1.4 国内外研究现状 | 第13-18页 |
| 1.4.1 二维和三维方法 | 第14-15页 |
| 1.4.2 线性和非线性算法 | 第15-16页 |
| 1.4.3 基于深度神经网络的研究 | 第16-18页 |
| 1.5 多姿态的人脸识别 | 第18-22页 |
| 1.5.1 多姿态的人脸识别 | 第18-21页 |
| 1.5.2 多姿态数据库 | 第21-22页 |
| 2 深度学习及深度信念网络 | 第22-30页 |
| 2.1 深度学习 | 第22-25页 |
| 2.1.1 深度学习的基本思想 | 第23页 |
| 2.1.2 基于深度学习的常用模型 | 第23-25页 |
| 2.2 受限玻尔兹曼机 | 第25-28页 |
| 2.2.1 玻尔兹曼分布 | 第25页 |
| 2.2.2 模型定义 | 第25-27页 |
| 2.2.3 模型学习 | 第27-28页 |
| 2.3 深度信念网络 | 第28-30页 |
| 2.3.1 模型定义 | 第28-29页 |
| 2.3.2 模型学习 | 第29-30页 |
| 3 基于DBN的多形态人脸识别 | 第30-40页 |
| 3.1 分辨率对DBN的影响 | 第31-34页 |
| 3.2 表情对DBN的影响 | 第34-35页 |
| 3.3 姿态对DBN的影响 | 第35-36页 |
| 3.4 实验细节描述 | 第36-38页 |
| 3.5 时间复杂度 | 第38-39页 |
| 3.6 讨论 | 第39-40页 |
| 4 基于非线性局部保持的多形态人脸识别 | 第40-57页 |
| 4.1 局部保持投影 | 第40-43页 |
| 4.1.1 局部保持投影的定义 | 第40-41页 |
| 4.1.2 局部保持投影的特点 | 第41-43页 |
| 4.2 基于深度网络的局部保持投影 | 第43-50页 |
| 4.2.1 非线性的局部保持 | 第43-47页 |
| 4.2.2 算法描述 | 第47-50页 |
| 4.4 实验配置和结果 | 第50-56页 |
| 4.4.1 COIL非人脸库实验 | 第50-52页 |
| 4.4.2 ICPR'04人脸数据库 | 第52-54页 |
| 4.4.3 CMU-PIE人脸库实验 | 第54-56页 |
| 4.5 讨论 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
