第一个书签之前
第一章 绪论
1.1 研究背景和研究意义
1.2 人脸识别研究现状
1.3 深度学习和卷积神经网络研究现状
1.4 本文主要研究工作
1.5 论文的组织结构
第二章 人脸识别技术介绍
2.1 数据预处理
2.1.1 直方图均衡化
2.1.2 人脸识别中图像的平滑处理
2.1.3 几何变换
2.1.4人脸图像的尖锐化
2.2 人脸图像特征的提取方法
2.2.1 K-L变换
2.2.2 奇异值分解
2.2.3 二维余弦离散变换
2.3 人脸图像特征识别方法介绍
2.3.1 人脸几何特征识别方法
2.3.2 主成分分析法(PCA)人脸识别方法
2.3.3人工神经网络(ANN)人脸识别方法
2.4 本章小结
第三章 基于深度学习结合的SVM分类工作原理
3.1 深度学习基本理论
3.1.1 深度学习的概述
3.1.2深度学习原理
3.2 支持向量机的分类原理
3.3 深度学习结合支持向量机的分类
3.3.1 SVM-RBM模型结构描述
3.3.2 训练与分类过程
3.4 本章小结
第四章 卷积神经网络
4.1 卷积神经网络的基本结构
4.1.1 局部感知野
4.1.2 权值共享
4.1.3 卷积层
4.1.4 池化层
4.1.5 激活函数
4.1.6 全连接层与输出层
4.2 卷积神经网络工作原理
4.3 卷积神经网络算法描述
4.4 卷积神经网络训练要求事项
4.4.1 权重初始化
4.4.2 批归一化算法
4.5 卷积神经网络模型
4.6 改进的并行CNN模型
4.7 并行同步卷积神经网络的训练过程
4.8 模型分析
4.9 本章小结
第五章 人脸图像识别的实验与结果分析
5.1 实验数据与实验平台
5.1.1 实验数据
5.1.2 实验平台
5.2 实验一：深度学习结合SVM的人脸识别实验及分析
5.3 实验二：Lenet-5和改进CNN模型的人脸识别实验及分析
5.4 实验三：改进CNN模型的人脸识别实验及分析
5.4.1 卷积层结构对实验结果的影响及分析
5.4.2卷积核结构对实验结果的影响及分析
5.4.3 不同外界因素下样本对实验结果的影响及分析
5.4.3 设置重复样本对实验结果的影响及分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致 谢
长安大学;
