声明
摘要
第一章 绪论
1.1 研究背景和意义
1.2 人脸识别研究现状
1.3 卷积神经网络概述
1.3.1 基本概念
1.3.2 研究现状
1.3.3 卷积神经网络与人脸识别
1.3.4 深度卷积神经网络存在的困难
1.4 本文的主要工作
1.5 本文的组织结构
第二章 卷积神经网络模型及其相关基础
2.1 卷积神经网络结构
2.1.1 基本神经元
2.1.2 人工神经网络
2.1.3 卷积神经网络
2.2 训练策略
2.2.1 前向传播
2.2.2 反向传播
2.2.3 卷积神经网络的训练
2.3 正则化技术
2.3.1 L1正则化
2.3.2 L2正则化
2.3.3 Dropout正则化
2.4 基于卷积神经网络的人脸识别框架
2.5 本章小结
第三章 一种利用知识迁移的卷积神经网络训练策略
3.1 问题提出
3.2 相关基础
3.2.1 知识提取
3.2.2 特征选择
3.3 训练策略
3.3.1 PST训练策略
3.3.2 MMT训练策略
3.3.3 结合PST和MMT的训练策略
3.4 实验与结果分析
3.4.1 实验设计
3.4.2 实验结果分析
3.5 本章小结
第四章 一种卷积神经网络的稀疏性Dropout正则化方‘法
4.1 问题提出
4.2 神经网络的稀疏性
4.3 基于稀疏性的Dropout正则化方法
4.3.1 算法思想
4.3.2 算法描述
4.4 实验与结果分析
4.4.1 实验设计
4.4.2 实验结果分析
4.5 本章小结
第五章 基于KL距离的卷积神经网络人脸特征提取模型
5.1 问题提出
5.2 相关基础
5.3 基于KL距离的度量学习方法
5.3.1 方法描述
5.3.2 模型构建
5.4 实验与结果分析
5.4.1 模型训练
5.4.2 实验结果分析
5.5 本章小结
6.1 结论
6.2 展望
参考文献
致谢
附录
长沙理工大学;