基于深度学习的人脸识别技术及其应用研究

目录

声明

致谢

1引言

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 人脸识别目前应用存在的主要问题

1.3.1 技术方面

1.3.2 识别条件方面

1.3.3 安全隐私方面

1.4 论文的主要研究内容和组织结构

1.4.1 论文主要研究内容

1.4.2 论文组织结构

2 人脸识别理论及技术

2.1 人脸识别问题描述

2.1.1 背景概念

2.1.2 研究进展

2.1.3 算法组件

2.2 模型演进

2.3 损失设计

2.4 公开数据集

2.5 本章小结

3 基于深度学习的人脸识别模型构建

3.1 研究问题描述

3.2 基于图像的人脸识别算法的流程构建

3.2.1 特征提取方法

3.2.2 图像特征信息编码

3.2.3 相似度匹配运算

3.3 基于ArcFace深度学习模型的人脸识别及改进算法

3.3.1 网络结构

3.3.2 损失函数

3.4 测试内容

3.4.1 LFW 测试

3.4.2 Megaface 测试

3.4.3 自建人脸数据集 1 测试

3.4.4 自建人脸数据集 2 测试-门禁闸机场景

3.4.5 该算法模型的优劣分析

3.5 本章小结

4 基于人脸识别的招生面试身份核验系统设计与应用

4.1 系统需求分析

4.1.1 功能需求

4.1.2 开发运行环境

4.1.3 开发工具选择

4.2 系统架构与原则

4.2.1 系统设计原则

4.2.2 系统规划与功能设计

4.2.3 基于改进的ArcFace算法的人脸识别核心系统设计

4.3 各功能模块概述

4.3.1 信息导入

4.3.2 系统管理

4.3.3 人脸识别

4.4 系统部署与应用效果

4.4.1 系统部署与应用场景描述

4.4.2 系统使用与人机交互

4.4.3 数据准备与管理

4.4.4 对比结果的准确性与高效性

4.4.5 识别效率对比分析

4.4.6 应用特点

4.5 本章小结

5 结论与展望

5.1 研究结论

5.2 研究展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集