基于深度学习的人脸识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 选题背景及研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 1.4 全文架构安排 | 第18页 |
| 1.5 本章小结 | 第18-20页 |
| 第二章 人脸识别研究综述 | 第20-26页 |
| 2.1 人脸识别流程 | 第20页 |
| 2.2 人脸识别存在的主要难点 | 第20-21页 |
| 2.3 人脸检测 | 第21-22页 |
| 2.4 图像预处理 | 第22页 |
| 2.5 常见的传统人脸识别方法 | 第22-24页 |
| 2.5.1 基于几何特征的方法 | 第22-23页 |
| 2.5.2 基于子空间分析的方法 | 第23页 |
| 2.5.3 基于局部特征的方法 | 第23页 |
| 2.5.4 基于人工神经网络的方法 | 第23-24页 |
| 2.6 分类决策 | 第24页 |
| 2.7 本章小结 | 第24-26页 |
| 第三章 深度学习理论基础 | 第26-50页 |
| 3.1 深度学习概述 | 第26-27页 |
| 3.2 神经网络模型 | 第27-29页 |
| 3.2.1 神经元 | 第27-28页 |
| 3.2.2 多层神经网络 | 第28-29页 |
| 3.3 深度学习的基本类型 | 第29-33页 |
| 3.3.1 自动编码器(AE) | 第29-30页 |
| 3.3.2 限制波尔兹曼机(RBM) | 第30-32页 |
| 3.3.3 深度置信网(DBN) | 第32页 |
| 3.3.4 卷积神经网络(CNN) | 第32-33页 |
| 3.4 多层卷积神经网络的层级结构 | 第33-42页 |
| 3.4.1 卷积层 | 第33-36页 |
| 3.4.2 池化层 | 第36-37页 |
| 3.4.3 激活函数 | 第37-40页 |
| 3.4.4 Softmax | 第40-41页 |
| 3.4.5 Dropout | 第41-42页 |
| 3.5 深度学习的训练算法 | 第42-45页 |
| 3.5.1 训练算法概述 | 第42-43页 |
| 3.5.2 梯度下降算法 | 第43-44页 |
| 3.5.3 BP算法 | 第44-45页 |
| 3.6 卷积神经网络经典模型 | 第45-49页 |
| 3.6.1 LeNet- | 第45页 |
| 3.6.2 AlexNet | 第45-47页 |
| 3.6.3 GoogLeNet | 第47-48页 |
| 3.6.4 VGGNet | 第48-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 基于深度学习的人脸验证算法 | 第50-64页 |
| 4.1 人脸验证流程 | 第50页 |
| 4.2 识别信号与验证信号 | 第50-51页 |
| 4.3 基本模型结构 | 第51-53页 |
| 4.4 图像分割方式的改进 | 第53-54页 |
| 4.4.1 基于滑动窗口的改进方法 | 第53页 |
| 4.4.2 滑动窗口层 | 第53-54页 |
| 4.5 卷积层的改进 | 第54-57页 |
| 4.5.1 加入残差网络模块 | 第54-55页 |
| 4.5.2 加入1×1的微卷积 | 第55-57页 |
| 4.6 改进后的整体模型结构 | 第57-59页 |
| 4.7 主成分分析 | 第59-60页 |
| 4.8 相似度判断 | 第60-63页 |
| 4.8.1 欧氏距离 | 第60页 |
| 4.8.2 余弦距离 | 第60-61页 |
| 4.8.3 联合贝叶斯 | 第61-63页 |
| 4.9 本章小结 | 第63-64页 |
| 第五章 实验结果及分析 | 第64-73页 |
| 5.1 实验环境 | 第64-65页 |
| 5.1.1 硬件环境 | 第64页 |
| 5.1.2 软件平台环境 | 第64-65页 |
| 5.2 数据集 | 第65-66页 |
| 5.2.1 LFW | 第65-66页 |
| 5.2.2 CASIA-Webface | 第66页 |
| 5.3 对比实验 | 第66-69页 |
| 5.3.1 特征降维 | 第66-67页 |
| 5.3.2 特征相似度判断 | 第67-68页 |
| 5.3.3 激活函数 | 第68页 |
| 5.3.4 训练数据 | 第68-69页 |
| 5.3.5 最佳参数组合 | 第69页 |
| 5.4 模型训练实验结果 | 第69-71页 |
| 5.4.1 基于DeepID的实验 | 第69-70页 |
| 5.4.2 基于本文基本网络结构的实验 | 第70-71页 |
| 5.4.3 基于本文优化模型的实验 | 第71页 |
| 5.5 比较与分析 | 第71-72页 |
| 5.6 本章小结 | 第72-73页 |
| 总结与展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读学位期间发表的论文 | 第79-81页 |
| 致谢 | 第81页 |
