基于深度学习的人脸识别系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景与研究意义 | 第8-9页 |
| 1.1.1 人脸识别 | 第8页 |
| 1.1.2 深度学习 | 第8-9页 |
| 1.2 课题相关领域研究现状 | 第9-10页 |
| 1.3 论文的主要工作 | 第10-11页 |
| 1.4 论文的章节结构 | 第11-12页 |
| 第二章 基础理论知识介绍 | 第12-22页 |
| 2.1 神经网络 | 第12-16页 |
| 2.1.1 感知器 | 第12-13页 |
| 2.1.2 前馈神经网络 | 第13-14页 |
| 2.1.3 反向传播 | 第14-16页 |
| 2.2 卷积神经网络基本结构及其原理 | 第16-18页 |
| 2.2.1 局部连接 | 第16-17页 |
| 2.2.2 权值共享 | 第17页 |
| 2.2.3 卷积层 | 第17页 |
| 2.2.4 池化层 | 第17-18页 |
| 2.2.5 全连接层 | 第18页 |
| 2.3 深度学习框架 | 第18-21页 |
| 2.3.1 主流深度学习框架 | 第18-20页 |
| 2.3.2 Caffc | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 人脸识别系统设计与实现 | 第22-46页 |
| 3.1 系统总体设计 | 第22-24页 |
| 3.1.1 设计目的与实现功能 | 第23-24页 |
| 3.1.2 软件开发环境与硬件开发平台 | 第24页 |
| 3.2 视频流抓取模块 | 第24-27页 |
| 3.2.1 视频转码 | 第25-26页 |
| 3.2.2 工程实现 | 第26-27页 |
| 3.3 人脸检测模块 | 第27-32页 |
| 3.3.1 传统人脸检测 | 第27页 |
| 3.3.2 人脸检测网络MTCNN | 第27-30页 |
| 3.3.3 工程实现 | 第30-32页 |
| 3.4 人脸预处理模块 | 第32-34页 |
| 3.4.1 人脸归一化 | 第32-33页 |
| 3.4.2 人脸对齐 | 第33-34页 |
| 3.5 人脸识别模块 | 第34-45页 |
| 3.5.1 中心损失函数center loss | 第34-36页 |
| 3.5.2 模型训练及调参 | 第36-39页 |
| 3.5.3 特征比对 | 第39-41页 |
| 3.5.4 工程实现 | 第41-42页 |
| 3.5.5 实验与分析 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 迁移学习 | 第46-51页 |
| 4.1 迁移学习介绍 | 第46-47页 |
| 4.1.1 微调finetune | 第47页 |
| 4.1.2 微调分类 | 第47页 |
| 4.2 数据集采集与预处理 | 第47-49页 |
| 4.2.1 数据采集 | 第48页 |
| 4.2.2 图片预处理 | 第48-49页 |
| 4.3 网络微调 | 第49-50页 |
| 4.3.1 工程实现 | 第49-50页 |
| 4.3.2 实验与分析 | 第50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 系统测试与结果 | 第51-56页 |
| 5.1 视频流抓取模块测试 | 第51页 |
| 5.2 人脸检测模块测试 | 第51-52页 |
| 5.3 人脸预处理模块测试 | 第52-53页 |
| 5.4 人脸识别模块 | 第53-54页 |
| 5.5 系统整体测试 | 第54页 |
| 5.6 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录1 攻读硕士学位期间申请的专利 | 第61-62页 |
| 致谢 | 第62页 |
