声明
摘要
名词和缩略语表
第一章 绪论
1.1 课题背景与意义
1.2 卷积网络中的现行卷积方式
1.3 国内外研究现状
1.3.1 基于卷积网络的人脸识别研究现状
1.3.2 卷积神经网络的发展与研究现状
1.3.3 深度学习中网络压缩问题的研究现状及其应用
1.4 本文主要内容与安排
第二章 基于局部保持映射和卷积网络的特征提取网络
2.1 引言
2.2 主成分分析、局部保持映射与拉普拉斯脸
2.2.1 主成分分析算法
2.2.2 局部保持映射算法
2.2.3 拉普拉斯脸的构造
2.3 构造局部保持映射网络
2.3.1 第一阶段:利用LPP
2.3.2 第二阶段:利用LPP/PCA
2.4 实验结果与分析
2.4.1 在各个人脸数据库上的实验结果
2.4.2 实验参数的影响
2.5 本章小结
第三章 基于分裂基-2/(2α)FFT的卷积神经网络加速算法
3.1 引言
3.2 快速傅里叶变换及其分裂基变体
3.2.1 一维分裂基-2/(2α)FFT
3.2.2 使用行列算法将1维算法扩展成2维算法
3.2.3 分裂基-2/(2α)FFT算法复杂度分析
3.3 卷积神经网络基本原理
3.3.1 全连接层的反向传播算法
3.3.2 卷积层的反向传播算法
3.4 卷积神经网络与分裂基-2/(2α)FFT算法的结合
3.4.1 基于分裂基-2/(2α)的卷积层加速算法
3.4.2 卷积层在频域和空域中的计算复杂度的近似分析
3.5 实验结果与分析
3.5.1 1维分裂基-2/(2α)的实际运行时间比较
3.5.2 加速算法在两个数据集上的实验结果
3.6 本章小结
第四章 基于网络压缩方法的改进深度去噪网络
4.1 引言
4.2.2 DnCNN的网络结构
4.3 网络压缩算法:低秩矩阵分解
4.4 压缩DnCNN
4.5 实验结果与分析
4.5.1 实验设置
4.5.2 结果比较与分析
4.5.3 优化方法的影响
4.6 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
致谢
作者简介
参考文献