| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 子空间深度化模型理论基础 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 深度学习模型 | 第16-21页 |
| 2.2.1 深度学习思想 | 第16-18页 |
| 2.2.2 卷积神经网络 | 第18-19页 |
| 2.2.3 深度神经网络训练方法 | 第19-21页 |
| 2.3 深度子空间模型 | 第21-23页 |
| 2.3.1 深度子空间思想 | 第21页 |
| 2.3.2 PACNet模型 | 第21-23页 |
| 2.4 稀疏表示模型 | 第23-24页 |
| 2.5 度量学习模型 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 Gabor调制的深度多层子空间人脸特征提取算法 | 第25-33页 |
| 3.1 引言 | 第25-26页 |
| 3.2 二维Gabor小波变换 | 第26-27页 |
| 3.3 基于Gabor调制的深度子空间模型 | 第27-28页 |
| 3.4 实验仿真 | 第28-32页 |
| 3.4.1 紧压缩Gabor滤波器对比分析 | 第29页 |
| 3.4.2 Gabor调制深度子空间模型参数分析 | 第29-31页 |
| 3.4.3 单层模型-深度化模型对比实验 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 多层次深度网络融合人脸识别算法 | 第33-41页 |
| 4.1 引言 | 第33页 |
| 4.2 多层次深度子空间网络融合模型 | 第33-36页 |
| 4.2.1 特征池化 | 第33-34页 |
| 4.2.2 局部人脸特征提取 | 第34-35页 |
| 4.2.3 多层次深度子空间网络融合模型 | 第35-36页 |
| 4.3 实验仿真 | 第36-40页 |
| 4.3.1 池化结构分析 | 第37-38页 |
| 4.3.2 多层次深度子空间模型鲁棒性分析 | 第38-39页 |
| 4.3.3 单层模型-深度化模型对比实验 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 深度子空间联合度量学习单样本人脸识别 | 第41-48页 |
| 5.1 引言 | 第41页 |
| 5.2 单样本人脸识别算法 | 第41-43页 |
| 5.2.1 近邻排斥度量学习 | 第41-43页 |
| 5.2.2 协同表示分类(CRC) | 第43页 |
| 5.2.3 深度子空间联合度量学习的单样本人脸识别算法 | 第43页 |
| 5.3 实验仿真 | 第43-47页 |
| 5.3.1 深度子空间联合度量学习性能分析 | 第44-45页 |
| 5.3.2 单层局部模型-深度化模型对比实验 | 第45-46页 |
| 5.3.3 单样本人脸识别算法对比 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第55-56页 |
| 致谢 | 第56页 |