基于自适应卷积神经网络的人脸检测和识别

目录

声明

1 绪论

1.1 课题研究背景和意义

1.1.1 人脸检测中的轻量模型设计方法

1.1.2 人脸识别特征提取流程的挑战

1.1.3 课题意义和贡献

1.2 论文研究内容

1.3 论文章节安排

2 相关技术概述

2.1 人脸识别算法

2.1 人脸检测算法

3 基于自适应计算神经网络的人脸检测

3.1 检测算法

3.1.1 基于改进的两阶段的检测算法

3.1.2 基于深度残差网络的网络结构

3.2 自适应计算方法

3.2.1 应用于深度卷积神经网络的自适应计算算法

3.2.2 适用于人脸检测的空间自适应计算算法

3.3 实验结果

3.3.1 人脸检测数据集及实验设置

3.3.2 SACT算法和基础模型的对比

4 非受限情况下的人脸识别系统的设计与实现

4.1 数据收集和清洗方法

4.1.1 数据收集方法

4.1.2 数据清洗流程

4.2 人脸识别算法和改进

4.2.1 FaceNet算法

4.2.2 基于非受限场景的调整和改进

4.3 实验结果

4.3.1 人脸识别测试数据集介绍

4.3.2 测试集上的对比结果

5 高效的大规模人脸检索算法研究与实现

5.1 人脸检索方法

5.1.1 检索系统的主体方法

5.2 实验结果

5.2.1 人脸图像检索集

5.2.2 检索实验结果

6 总结

致谢

参考文献