声明
第一章 绪论
1.1 研究工作的背景及意义
1.2 国内外研究现状
1.2.1 基于Metric Learning思路的人脸识别算法
1.2.2 基于Margin Based Classification 的人脸识别算法
1.2.3 基于人脸识别技术的系统工程
1.2.4 人脸识别技术难点
1.2.5 适配层研究现状
1.3 本文研究内容与工作
1.4 本论文的结构与安排
第二章 人脸识别基本方法
2.1.1 主流人脸识别网络模型结构
2.1.2 基于人脸识别任务的损失函数
2.1.3 基于人脸识别任务的距离测度方法
2.2.1 人脸识别数据集
2.2.2 人脸识别评价指标
2.3 本章小结
第三章 基于适配层改进FaceNet 网络模型的人脸识别方法
3.1 迁移学习应用于人脸识别任务的方法描述
3.1.1 迁移学习基本理论
3.1.2 适配层基本理论
3.2 FaceNet网络模型介绍
3.2.1 FaceNet模型框架
3.2.2 FaceNet模型训练过程
3.3基于适配层改进 FaceNet网络模型设计
3.3.1 双通道模型框架
3.3.2 重构损失函数
3.3.3 图像预处理
3.3.4 基于适配层改进FaceNet模型训练方式
3.4 实验结果与分析
3.4.1 实验内容及参数设置
3.4.2 实验结果数据分析
3.5 本章小结
第四章 基于适配层改进FaceNet 网络的适配层添加方法
4.1 适配层添加方案描述
4.2 考虑适配层参数的人脸识别模型设计
4.2.1 基于MSE函数确定适配层添加位置
4.2.2 基于MSE函数确定适配层维度
4.3 实验结果与分析
4.3.1 实验内容及参数设置
4.3.2 实验结果数据分析
4.4 本章小结
第五章 全文总结与展望
致谢
参考文献
攻读硕士学位期间取得的成果
电子科技大学;