声明
摘要
第1章绪论
1.1课题研究背景和意义
1.2研究现状
1.3本论文研究的主要内容
2.1深度学习理论
2.1.1深度学习基本内容
2.1.2深度学习基本思想
CNN理论
2.1.3局部感受野
2.1.4权值共享
2.1.5卷积层
2.1.6池化层
2.2典型DCNN结构及其工作方式
2.3本章小结
第3章轻量化DCNN设计
3.1 DCNN网络设计
3.1.1深度可分卷积
3.1.2全局平均池化
3.2 DCNN输出和损失函数
3.2.1 Softmax分类器和交叉熵损失函数
3.2.2人脸特征向量和triplet loss
3.3网络结构
3.4激活函数
3.5批正则化
3.6网络优化
3.6.1梯度下降优化原理
3.6.2优化算法选取
3.6.3参数初始化
3.7本章小结
第4章实验及结果分析
4.1数据集处理及增强
4.1.1人脸数据集来源
4.1.2数据集图像灰度化
4.1.3图片裁剪
4.1.4数据增强
4.2实验环境和网络训练
4.3马氏距离
4.4 LFW数据集及模型评估
4.5模型压缩
4.5.1参数量化
4.5.2霍夫曼编码
4.6本章小结
结论
参考文献
攻读学位期间发表的学术成果
致谢