| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 人脸识别研究现状 | 第9-10页 |
| 1.2.2 卷积神经网络研究现状 | 第10-11页 |
| 1.3 传统人脸识别方法与基于卷积神经网络的人脸识别方法比较 | 第11-12页 |
| 1.4 研究难点 | 第12-13页 |
| 1.4.1 人脸识别的研究难点 | 第12-13页 |
| 1.4.2 卷积神经网络的研究难点 | 第13页 |
| 1.5 本文工作及章节安排 | 第13-16页 |
| 第二章 人工神经网络和卷积神经网络的结构及算法 | 第16-30页 |
| 2.1 人工神经网络 | 第16-22页 |
| 2.1.1 单个神经元 | 第16-17页 |
| 2.1.2 神经网络模型 | 第17-19页 |
| 2.1.3 反向传播算法 | 第19-20页 |
| 2.1.4 神经网络的一些相关问题 | 第20-22页 |
| 2.2 卷积神经网络 | 第22-29页 |
| 2.2.1 卷积神经网络的结构及前向传播 | 第22-24页 |
| 2.2.2 卷积神经网络的反向传播 | 第24-26页 |
| 2.2.3 卷积神经网络的一些相关问题 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于级联卷积神经网络的眼睛检测 | 第30-36页 |
| 3.1 基于级联卷积神经网络的眼睛检测流程 | 第30-31页 |
| 3.2 卷积神经网络结构 | 第31-32页 |
| 3.3 训练及检测过程 | 第32-33页 |
| 3.4 检测结果 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于卷积神经网络的人脸识别 | 第36-54页 |
| 4.1 卷积神经网络的结构设计 | 第36-37页 |
| 4.2 基于人脸库上的实验结果分析 | 第37-46页 |
| 4.2.1 基于Yale B库上的实验结果分析 | 第37-41页 |
| 4.2.2 基于PUT库上的实验结果分析 | 第41-44页 |
| 4.2.3 基于AR库上的实验结果分析 | 第44-46页 |
| 4.3 相关项对实验结果的影响 | 第46-52页 |
| 4.3.1 权值衰减项 | 第47-48页 |
| 4.3.2 dropout | 第48-49页 |
| 4.3.3 动量项 | 第49-50页 |
| 4.3.4 三项综合 | 第50-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 基于卷积神经网络和Gabor滤波器的人脸识别 | 第54-62页 |
| 5.1 二维Gabor小波变换 | 第54-55页 |
| 5.2 加入Gabor滤波器的卷积神经网络结构 | 第55-56页 |
| 5.3 基于GCNN的人脸识别实验 | 第56-60页 |
| 5.3.1 单个GCNN的实验 | 第56-57页 |
| 5.3.2 多栏GCNN的实验 | 第57-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者在攻读硕士期间发表论文清单 | 第70页 |