|
|
|
基于深度学习的人脸识别研究 |
|
论文目录 |
|
摘要 | 第1-5页 | Abstract | 第5-8页 | 引言 | 第8-10页 | 1 人脸识别 | 第10-21页 | ·研究背景和意义 | 第10-11页 | ·人脸识别的应用 | 第11页 | ·人脸图像特点 | 第11-12页 | ·人脸识别研究的内容和流程 | 第12-13页 | ·模式识别系统 | 第12页 | ·人脸认识技术介绍 | 第12-13页 | ·多姿态的人脸识别研究 | 第13-21页 | ·可变姿态的人脸识别 | 第13-16页 | ·多姿态人脸库 | 第16-17页 | ·多姿态人脸识别技术介绍 | 第17-21页 | 2 深度学习及深度信念网络 | 第21-37页 | ·深度学习 | 第21-25页 | ·什么是深度学习 | 第21-23页 | ·深度学习的基本思想 | 第23页 | ·深度学习的常用方法 | 第23-25页 | ·受限玻尔兹曼机(RBM) | 第25-31页 | ·RBM的模型定义 | 第25-28页 | ·RBM的学习 | 第28-31页 | ·深度信念网络 | 第31-33页 | ·深度信念网络模型定义 | 第31-32页 | ·深度信念网络的学习 | 第32-33页 | ·近邻元分析 | 第33-37页 | ·近邻元分析 | 第33-35页 | ·非线性的近邻元分析 | 第35-37页 | 3 基于深度信念网络的人脸超分辨图像识别 | 第37-51页 | ·问题的定义、挑战、评估和现有方法 | 第37-40页 | ·姿态处理方法 | 第37-38页 | ·超分辨方法 | 第38-39页 | ·多姿态下的超分辨方法 | 第39-40页 | ·基于DBNs的超分辨识别 | 第40-43页 | ·方法描述 | 第40-42页 | ·实验数据 | 第42-43页 | ·实验配置和结果 | 第43-49页 | ·UMIST库实验 | 第43-46页 | ·ORL库实验 | 第46-47页 | ·FERET库实验 | 第47页 | ·PIE库实验 | 第47-49页 | ·讨论 | 第49-51页 | 4 基于DBNs的人脸姿态映射与分类 | 第51-61页 | ·姿态映射 | 第51-55页 | ·姿态分类 | 第55-59页 | ·LDA与PCA的缺陷 | 第55-56页 | ·基于非线性NCA的姿态分类 | 第56-59页 | ·讨论 | 第59-61页 | 结论 | 第61-62页 | 参考文献 | 第62-67页 | 攻读硕士学位期间发表学术论文情况 | 第67-68页 | 致谢 | 第68-69页 |
|
|
|
|
论文编号BS1905238,这篇论文共69页 会员购买按0.35元/页下载,共需支付24.15元。 直接购买按0.5元/页下载,共需要支付34.5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。 |
|
|