基于特征学习与相似度度量学习的人脸确认研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 人脸识别的背景和意义 | 第8-9页 |
| 1.2 无约束条件下人脸确认问题 | 第9-10页 |
| 1.3 人脸确认的国内外研究现状 | 第10-13页 |
| 1.3.1 特征提取研究现状 | 第10-11页 |
| 1.3.2 分类方法研究现状 | 第11-12页 |
| 1.3.3 深度学习研究现状 | 第12-13页 |
| 1.4 LFW数据库和评测协议 | 第13-15页 |
| 1.5 本文工作及章节安排 | 第15-17页 |
| 第2章 人脸确认中特征提取与度量学习相关方法 | 第17-26页 |
| 2.1 特征提取方法 | 第17-23页 |
| 2.1.1 LBP特征 | 第17-19页 |
| 2.1.2 SIFT特征 | 第19-23页 |
| 2.2 度量学习方法 | 第23-25页 |
| 2.2.1 距离度量学习 | 第23-24页 |
| 2.2.2 逻辑判别度量学习 | 第24页 |
| 2.2.3 信息论度量学习 | 第24-25页 |
| 2.2.4 余弦相似度的距离度量学习 | 第25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于自稀疏编码器的人脸特征学习 | 第26-34页 |
| 3.1 引言 | 第26页 |
| 3.2 自编码器概述 | 第26-27页 |
| 3.3 基于自稀疏编码器的人脸特征提取 | 第27-30页 |
| 3.3.1 学习滤波算子 | 第28-29页 |
| 3.3.2 卷积与池化 | 第29-30页 |
| 3.4 实验分析 | 第30-32页 |
| 3.4.1 不同池化方法实验对比 | 第31页 |
| 3.4.2 主流算法对比实验分析 | 第31-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 基于加权子空间相似度度量 | 第34-45页 |
| 4.1 引言 | 第34页 |
| 4.2 加权子空间相似度度量学习 | 第34-38页 |
| 4.2.1 子空间 | 第34-35页 |
| 4.2.2 相似度度量 | 第35-36页 |
| 4.2.3 先验距离度量 | 第36-37页 |
| 4.2.4 度量学习 | 第37-38页 |
| 4.3 基于加权子空间相似度度量实验结果与分析 | 第38-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 研究生期间发表的学术论文及成果 | 第52页 |
