| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 人脸识别的系统构成 | 第11-12页 |
| 1.2.2 人脸识别的发展阶段 | 第12-14页 |
| 1.3 研究难点及创新点 | 第14-16页 |
| 1.3.1 人脸识别的研究难点 | 第14-15页 |
| 1.3.2 论文的创新点 | 第15-16页 |
| 1.4 本文的主要内容及章节安排 | 第16-18页 |
| 第二章 深度学习常用模型 | 第18-28页 |
| 2.1 受限玻尔兹曼机 | 第18-22页 |
| 2.1.1 受限玻尔兹曼机原理 | 第18-20页 |
| 2.1.2 深度置信网络 | 第20-21页 |
| 2.1.3 深度玻尔兹曼机 | 第21-22页 |
| 2.2 自动编码器 | 第22-26页 |
| 2.2.0 自动编码器原理 | 第22-23页 |
| 2.2.1 稀疏自动编码器 | 第23-24页 |
| 2.2.3 降噪自动编码器 | 第24-25页 |
| 2.2.4 堆叠自动编码器 | 第25-26页 |
| 2.3 卷积神经网络 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于深度学习的人脸特征点定位方法 | 第28-42页 |
| 3.1 人脸特征点定位相关技术 | 第29-37页 |
| 3.1.1 CFCNN网络 | 第31-33页 |
| 3.1.2 CFAN网络 | 第33-37页 |
| 3.2 基于多任务DCNN模型的人脸特征点定位算法 | 第37-41页 |
| 3.2.1 多任务学习的人脸特征点定位方法 | 第37页 |
| 3.2.2 多任务DCNN模型的训练过程 | 第37-39页 |
| 3.2.3 实验结果及分析 | 第39-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 基于深度学习的人脸识别方法 | 第42-56页 |
| 4.1 人脸识别相关技术 | 第42-49页 |
| 4.1.1 DeepID系列网络 | 第43-46页 |
| 4.1.2 FaceNet网络 | 第46-49页 |
| 4.2 基于多模态DCNN模型的人脸识别算法 | 第49-55页 |
| 4.2.1 多模态表示的人脸识别方法 | 第49页 |
| 4.2.2 多模态DCNN模型的算法步骤 | 第49-52页 |
| 4.2.3 实验结果及分析 | 第52-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 下一步研究展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 作者攻读学位期间发表的学术论文目录 | 第66页 |