基于深度学习的人脸识别系统和东亚人脸数据库的建立
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究内容及意义 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 东亚人脸识别数据库 | 第13-23页 |
| 2.1 常用人脸识别数据库 | 第13-16页 |
| 2.1.1 实验室环境下人脸识别数据库 | 第13-14页 |
| 2.1.2 自然环境下人脸识别数据库 | 第14-16页 |
| 2.2 东亚人脸识别数据库的建立 | 第16-22页 |
| 2.2.1 建立人物姓名列表 | 第16-17页 |
| 2.2.2 人脸图像收集 | 第17-18页 |
| 2.2.3 人脸图片的自动化标定 | 第18-19页 |
| 2.2.4 人脸图片的人工标定 | 第19-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 人脸特征提取 | 第23-39页 |
| 3.1 人脸检测 | 第24-25页 |
| 3.2 基于LBP特征的人脸特征提取 | 第25-31页 |
| 3.2.1 人脸特征点检测 | 第25-27页 |
| 3.2.2 人脸配准 | 第27-28页 |
| 3.2.3 特征区域选择 | 第28-30页 |
| 3.2.4 LBP特征提取 | 第30-31页 |
| 3.3 基于卷积神经网络的人脸特征提取 | 第31-38页 |
| 3.3.1 卷积神经网络功能层简介 | 第31-33页 |
| 3.3.2 卷积神经网络的结构设计 | 第33-36页 |
| 3.3.3 卷积神经网络的参数初值与更新方法 | 第36-37页 |
| 3.3.4 卷积神经网络的训练与实验结果分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 人脸识别系统与数据库的提纯 | 第39-59页 |
| 4.1 降维 | 第40-48页 |
| 4.1.1 度量学习 | 第40-41页 |
| 4.1.2 triplet-loss | 第41-43页 |
| 4.1.3 设计新损失函数 | 第43-47页 |
| 4.1.4 算法测试与实验结果分析 | 第47-48页 |
| 4.2 基于联合贝叶斯模型的人脸识别 | 第48-52页 |
| 4.2.1 人脸的联合贝叶斯模型 | 第49-50页 |
| 4.2.2 模型参数训练 | 第50-51页 |
| 4.2.3 判决与度量 | 第51-52页 |
| 4.3 人脸数据库的提纯与人脸识别器的建立 | 第52-58页 |
| 4.3.1 人脸聚类 | 第52-54页 |
| 4.3.2 RANSAC与内点检测 | 第54-55页 |
| 4.3.3 测试基于联合贝叶斯模型的识别精度 | 第55-57页 |
| 4.3.4 人工检查与自动化检查 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-63页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-67页 |
