基于卷积神经网络的人脸识别系统设计与实现
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 人脸识别研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 人脸识别研究现状 | 第12-13页 |
| 1.2.2 卷积神经网络研究现状 | 第13-14页 |
| 1.3 人脸识别研究内容与创新 | 第14-16页 |
| 1.4 人脸识别的体系结构 | 第16-17页 |
| 1.5 论文结构安排 | 第17-19页 |
| 第二章 卷积神经网络理论基础 | 第19-26页 |
| 2.1 引言 | 第19页 |
| 2.2 卷积神经网络的结构 | 第19-20页 |
| 2.3 相关运算 | 第20-23页 |
| 2.3.1 卷积层 | 第20-21页 |
| 2.3.2 池化层 | 第21-22页 |
| 2.3.3 Softmax回归 | 第22-23页 |
| 2.4 训练过程 | 第23-24页 |
| 2.5 卷积神经网络的优点 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 人脸检测 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 人脸检测的理论基础 | 第26-32页 |
| 3.2.1 Haar特征和计算 | 第26-28页 |
| 3.2.2 积分图 | 第28-29页 |
| 3.2.3 Adaboost的定义和结构 | 第29-30页 |
| 3.2.4 基本原理 | 第30-31页 |
| 3.2.5 算法过程 | 第31-32页 |
| 3.3 人脸检测的实现 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 人脸识别 | 第36-49页 |
| 4.1 引言 | 第36页 |
| 4.2 几种模型的比较 | 第36-37页 |
| 4.3 VGG卷积神经网络模型 | 第37-41页 |
| 4.3.1 VGG网络结构 | 第37-39页 |
| 4.3.2 VGG网络模型的改进 | 第39-41页 |
| 4.4 VGG网络模型实现 | 第41-46页 |
| 4.4.1 数据库分析 | 第41-42页 |
| 4.4.2 图像预处理 | 第42-44页 |
| 4.4.3 模型训练及分析 | 第44-46页 |
| 4.5 人脸识别验证 | 第46-48页 |
| 4.6 实验结果对比 | 第48页 |
| 4.7 本章小结 | 第48-49页 |
| 第五章 人脸识别系统 | 第49-59页 |
| 5.1 引言 | 第49页 |
| 5.2 系统开发环境 | 第49-51页 |
| 5.2.1 Caffe简介 | 第49-50页 |
| 5.2.2 环境配置所需硬件及软件 | 第50页 |
| 5.2.3 环境配置过程 | 第50-51页 |
| 5.3 软件系统构建框图 | 第51-53页 |
| 5.3.1 人脸检测 | 第53页 |
| 5.3.2 预处理 | 第53页 |
| 5.3.3 人脸识别验证 | 第53页 |
| 5.4 系统功能模块及运行效果 | 第53-58页 |
| 5.4.1 人脸识别 | 第54-57页 |
| 5.4.2 网络模型训练 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60页 |
| 6.3 本章小结 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65页 |
