声明
第1 章 绪论
1.1 研究的背景与意义
1.2 国内外研究现状
1.2.1 人脸识别的研究现状
1.2.2 人脸姿态归一化
1.2.3 多姿态人脸生成
1.2.4 小结
1.3 论文的主要研究内容
1.4 论文的章节安排
第2 章 相关理论与技术框架
2.1 引言
2.2 卷积神经网络
2.2.1 基本概念
2.2.2 经典网络
2.3 生成网络模型
2.3.1 自编码器
2.3.2 生成对抗网络
2.4 本章小结
第3 章 基于人脸正面化识别方法
3.1 引言
3.2 相关GAN介绍
3.2.1 基于损失改进的GAN
3.2.2 人脸属性变换GAN
3.3 条件循环生成对抗网络
3.3.1 距离偏差的改进
3.3.2 目标函数
3.3.3 网络结构
3.4 生成实验算法流程
3.5 基于人脸正面化的人脸识别
3.6 本章小结
第4 章 基于多姿态人脸生成识别方法
4.1 引言
4.2 姿态可控图像算法
4.2.1 网络结构
4.2.2 损失函数
4.3多任务细节补偿生成对抗网络
4.3.1 网络结构
4.3.2 损失函数
4.4 生成实验算法流程
4.5 基于多姿态人脸生成的人脸识别
4.6 本章小结
第5 章 实验及结果分析
5.1 引言
5.2 数据库预处理
5.2.1 人脸检测与人脸对齐
5.2.2 人脸几何归一化
5.3 实验环境及图片客观评价指标
5.3.1 实验环境
5.3.2 图片客观评价指标
5.4 实验参数设置
5.4.1 人脸正面化实验参数设置
5.4.2 多姿态人脸生成实验参数设置
5.5 人脸正面化识别实验及结果分析
5.5.1 主观视觉对比
5.5.2 客观指标评价
5.5.3 人脸识别结果
5.6 多姿态人脸生成识别实验及结果分析
5.6.1 可视化结果分析
5.6.2 客观指标定量分析
5.6.3 人脸识别结果分析
5.7 本章小结
第6 章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读学位期间主要研究成果
广西大学;