旋转向量特征及其在人脸识别中的应用

声明

1 绪论

1.1人脸识别研究背景及意义

1.2 发展历史和国内外研究现状

1.3本文研究内容和主要工作

1.3.1 研究内容

1.3.2 章节安排

2深度卷积神经网络

2.1 神经网络

2.2 深度卷积神经网络的基本结构

2.2.1卷积层

2.2.2 池化层

2.2.3 全连接层

2.3 深度卷积神经网络的算法

2.3.1前向传播算法

2.3.2反向传播算法

2.4 本章小结

3 旋转向量特征提取方法

3.1 Radon变换和Trace变换原理

3.1.1 Radon变换原理

3.1.2 Trace变换原理

3.2 旋转增量调制特征提取方法及改进

3.3旋转均值跳动特征提取方法及改进

3.4 本章小结

4 旋转向量特征级联卷积神经网络

4.1级联卷积神经网络结构

4.2人脸数据库及预处理

4.2.1人脸数据库的选择

4.2.2数据库预处理

4.3 实验结果与分析

4.3.1 实验运行环境

4.3.2 旋转增量调制级联神经网络实验结果与分析

4.3.3 旋转均值跳动级联神经网络实验结果与分析

4.3.4实验小结

4.4 本章小结

5 多尺度级联卷积神经网络

5.1图像多尺度的原理

5.2多尺度级联卷积神经网络结构

5.3实验结果与分析

5.3.1 多尺度增量调制方案实验结果与分析

5.3.2 多尺度均值跳动方案实验结果与分析

5.4 本章小结

6 总结与展望

6.1 本文主要工作

6.2工作展望

致谢

在攻读学位期间取得的研究成果

参考文献