首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸识别中人脸检测和特征提取算法的研究

摘要第4-5页
abstract第5-6页
第一章 绪论第9-16页
    1.1 课题背景与研究意义第9-10页
    1.2 国内外研究现状第10-14页
        1.2.1 国外研究现状第10-12页
        1.2.2 国内研究现状第12-14页
    1.3 本文的主要工作第14-15页
    1.4 本文的组织与结构第15-16页
第二章 人脸识别的相关技术第16-26页
    2.1 人脸识别过程第16-17页
    2.2 人脸检测第17-19页
    2.3 特征提取第19-23页
    2.4 特征选择第23-24页
    2.5 本章小结第24-26页
第三章 基于BING与卷积神经网络的人脸检测算法第26-40页
    3.1 引言第26-27页
    3.2 相关工作第27-29页
    3.3 基于二值化梯度幅值特征的窗口筛选第29页
    3.4 卷积神经网络第29-31页
    3.5 卷积神经网络的改进第31-33页
        3.5.1 激活函数的改进第31-32页
        3.5.2 初始化方法的改进第32-33页
    3.6 算法分析第33-34页
        3.6.1 时间复杂度分析第33-34页
        3.6.2 收敛性分析第34页
        3.6.3 检测效果分析第34页
    3.7 实验与分析第34-39页
        3.7.1 实验环境与参数设置第34-35页
        3.7.2 网络迭代时间的比较第35-36页
        3.7.3 网络迭代次数的比较第36-37页
        3.7.4 人脸检测速度与准确率的比较第37-38页
        3.7.5 人脸检测鲁棒性的比较第38-39页
    3.8 本章小结第39-40页
第四章 改进的Gabor小波变换特征提取算法第40-56页
    4.1 引言第40-41页
    4.2 相关工作第41-42页
    4.3 二维Gabor小波变换第42-44页
    4.4 改进的Gabor小波变换特征提取算法第44-49页
        4.4.1 Gabor局部幅值特征第44-45页
        4.4.2 Gabor局部相位特征第45-47页
        4.4.3 幅值特征与相位特征融合第47-48页
        4.4.4 算法描述第48-49页
    4.5 仿真与结果分析第49-54页
        4.5.1 实验环境与参数设置第49-50页
        4.5.2 分块大小的选取第50-51页
        4.5.3 融合特征的权重参数选取第51-52页
        4.5.4 算法提取特征的表征能力的比较第52-53页
        4.5.5 算法提取特征的鲁棒性的比较第53-54页
        4.5.6 特征提取平均时间的比较第54页
    4.6 本章小结第54-56页
第五章 基于蒙特卡洛树搜索的特征选择算法第56-69页
    5.1 引言第56-57页
    5.2 相关工作第57-58页
    5.3 蒙特卡洛树搜索第58-60页
    5.4 Relief-F算法第60-61页
    5.5 MCTS在特征选择中的应用第61-64页
        5.5.1 特征选择建模第61-62页
        5.5.2 基于MCTS的特征选择算法第62-64页
    5.6 仿真与结果分析第64-68页
        5.6.1 实验环境与参数设置第64-65页
        5.6.2 特征相关性阈值C_p的选取第65-66页
        5.6.3 特征子集表征能力的比较第66-67页
        5.6.4 特征选择平均时间的比较第67-68页
    5.7 本章小结第68-69页
第六章 总结与展望第69-71页
    6.1 工作总结第69-70页
    6.2 工作展望第70-71页
参考文献第71-75页
附录1 攻读硕士学位期间撰写的论文第75-76页
致谢第76页

论文共76页,点击 下载论文
上一篇:基于局部特征的表情识别研究
下一篇:基于哈希学习的视觉—语义跨模态检索研究