|
|
|
智能移动终端上基于深度学习的人脸识别的设计与实现 |
|
论文目录 |
|
摘要 | 第4-5页 | Abstract | 第5-6页 | 第一章 绪论 | 第9-16页 | 1.1 课题研究背景和意义 | 第9-10页 | 1.2 国内外研究概况 | 第10-13页 | 1.2.1 传统人脸识别方法 | 第10-11页 | 1.2.2 基于卷积神经网络的人脸识别方法 | 第11-13页 | 1.3 本文主要内容和创新点 | 第13-14页 | 1.4 论文组织结构 | 第14-16页 | 第二章 相关技术研究 | 第16-28页 | 2.1 卷积神经网络 | 第16-22页 | 2.1.1 卷积神经网络基本结构 | 第16-20页 | 2.1.2 全连接层的BP算法 | 第20-21页 | 2.1.3 卷积神经网络前向传播 | 第21页 | 2.1.4 卷积神经网络反向传播 | 第21-22页 | 2.2 人脸预处理 | 第22-27页 | 2.2.1 人脸检测 | 第23-24页 | 2.2.2 人脸关键点定位 | 第24-25页 | 2.2.3 人脸归一化 | 第25-27页 | 2.3 本章小结 | 第27-28页 | 第三章 轻量级人脸识别网络设计 | 第28-45页 | 3.1 轻量级CNN模型结构 | 第28-31页 | 3.1.1 MFM激活函数 | 第28-30页 | 3.1.2 网络结构设计 | 第30-31页 | 3.2 基于contrastive loss模型改进 | 第31-35页 | 3.2.1 contrastive损失函数 | 第31-32页 | 3.2.2 基于双监督信号的网络优化 | 第32-35页 | 3.3 模型训练与相似性度量 | 第35-37页 | 3.3.1 网络训练 | 第35-36页 | 3.3.2 特征相似性度量 | 第36-37页 | 3.4 算法实验与分析 | 第37-44页 | 3.4.1 LFW数据集实验与分析 | 第37-41页 | 3.4.2 MFM激活函数实验分析 | 第41-43页 | 3.4.3 卷积核可视化 | 第43-44页 | 3.5 本章小结 | 第44-45页 | 第四章 轻量级人脸识别模型压缩 | 第45-57页 | 4.1 模型剪枝 | 第45-47页 | 4.1.1 网络剪枝策略 | 第45-46页 | 4.1.2 dropout调整策略 | 第46-47页 | 4.2 稀疏参数矩阵压缩存储 | 第47-48页 | 4.2.1 CRS稀疏存储格式 | 第47页 | 4.2.2 index压缩策略 | 第47-48页 | 4.3 基于caffe的模型剪枝实现 | 第48-52页 | 4.3.1 caffe基本结构 | 第48-49页 | 4.3.2 基于剪枝的caffe源码改进 | 第49-52页 | 4.4 网络剪枝实验分析 | 第52-56页 | 4.5 本章小结 | 第56-57页 | 第五章 基于Android的人脸识别系统实现 | 第57-70页 | 5.1 系统概况 | 第57-59页 | 5.1.1 系统目标 | 第57页 | 5.1.2 系统总体设计 | 第57-58页 | 5.1.3 系统运行环境 | 第58-59页 | 5.2 功能模块设计 | 第59-63页 | 5.2.1 信息采集 | 第60页 | 5.2.2 人脸检测及预处理模块 | 第60-61页 | 5.2.3 特征提取与检索模块 | 第61-62页 | 5.2.4 数据存储模块 | 第62-63页 | 5.3 系统实验 | 第63-69页 | 5.3.1 功能测试 | 第63-66页 | 5.3.2 性能测试 | 第66-69页 | 5.4 本章小结 | 第69-70页 | 第六章 总结与展望 | 第70-72页 | 6.1 本文总结 | 第70-71页 | 6.2 研究展望 | 第71-72页 | 参考文献 | 第72-75页 | 致谢 | 第75-76页 | 作者攻读学位期间发表的学术论文目录 | 第76页 |
|
|
|
|
论文编号BS2792172,这篇论文共76页 会员购买按0.35元/页下载,共需支付26.6元。 直接购买按0.5元/页下载,共需要支付38元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|