基于深度学习的人脸识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究的背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文结构安排 | 第9-12页 |
| 第二章 人脸识别概述 | 第12-22页 |
| 2.1 人脸识别简介 | 第12-18页 |
| 2.1.1 人脸识别问题分类 | 第12页 |
| 2.1.2 人脸识别关键技术 | 第12-16页 |
| 2.1.3 人脸识别数据集与评价方式 | 第16-18页 |
| 2.2 人脸识别方法发展 | 第18-21页 |
| 2.3 章节总结 | 第21-22页 |
| 第三章 深度学习与卷积神经网络 | 第22-34页 |
| 3.1 深度学习基本概念 | 第22-23页 |
| 3.2 常用模型 | 第23-30页 |
| 3.2.1 深信度网络 | 第23-25页 |
| 3.2.2 卷积神经网络 | 第25-26页 |
| 3.2.3 自动编码器 | 第26-29页 |
| 3.2.4 循环神经网络 | 第29-30页 |
| 3.3 深度学习在人脸识别中的应用 | 第30-33页 |
| 3.4 章节总结 | 第33-34页 |
| 第四章 弱监督人脸识别 | 第34-44页 |
| 4.1 数据集 | 第34-36页 |
| 4.2 特征网络配置 | 第36-38页 |
| 4.3 监督网络 | 第38-40页 |
| 4.4 模型训练 | 第40-41页 |
| 4.5 实验分析 | 第41-43页 |
| 4.6 章节总结 | 第43-44页 |
| 第五章 极少样本的人脸识别迁移学习 | 第44-52页 |
| 5.1 迁移学习算法 | 第44-46页 |
| 5.2 实验方案 | 第46-50页 |
| 5.2.1 参数ε的设定 | 第47页 |
| 5.2.2 LFW的迁移学习 | 第47-48页 |
| 5.2.3 FERET的迁移学习 | 第48-50页 |
| 5.3 章节总结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 论文工作总结 | 第52页 |
| 6.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-62页 |
| 攻读学位期间发表的学术论文目录 | 第62页 |
