基于卷积神经网络的人脸识别系统设计及实现
发布时间：2023-02-05 10:50
人脸识别技术是一种依靠人的脸部特征信息来进行身份识别的生物识别技术,由于其直观、可靠和稳定等优点,在身份认证场景、证件验证场景和人脸检索场景等多个场景下都有广泛的应用。国内外学者提出了许多的人脸识别算法,但当前的人脸识别算法依旧存在两个方面的问题:一方面人脸识别算法在部分公开数据集上的识别率仍然较低;另一方面当下主流的人脸识别算法大多使用卷积神经网路作为特征提取模块,卷积神经网络的使用会造成了人脸识别算法的训练时间过长。本文充分调研了大量关于卷积神经网络和人脸识别领域的论文和报告,做了如下工作:(1)通过对人脸识别网络Sphereface20中特征提取、激活函数和损失函数等方面的分析,本文运用SE-Res Net模块、Swish激活函数对原网络进行了优化,得到了人脸识别网络SERes Net-20。SE-Res Net-20网络中SE-Res Net模块的使用提升了人脸图像特征提取的效果,Swish激活函数的使用提高了网络的非线性拟合能力。最终使用CASIA-Webface数据集进行训练后,SE-Res Net-20网络在LFW数据集和Mega Face数据集上的识别率分别为99.37...
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题研究背景及意义
1.2 课题相关领域的发展现状
1.3 论文主要研究内容
1.4 论文的组织结构
1.5 本章小结
第2章 卷积神经网络的理论基础介绍
2.1 卷积神经网络概述
2.1.1 卷积神经网络训练的基本步骤
2.1.2 局部感知和权值共享
2.2 卷积神经网络历史发展
2.3 卷积神经网络的基本结构
2.3.1 卷积层
2.3.2 池化层
2.3.3 全连接层
2.3.4 激活函数
2.4 卷积神经网络的结构改进和训练优化
2.4.1 数据增强和数据预处理
2.4.2 权重初始化和学习率设定
2.4.3 随机失活
2.4.4 归一化处理
2.5 本章小结
第3章人脸识别算法SE-Res Net-20
3.1 常用的人脸数据集
3.1.1 CASIA-WebFace数据集
3.1.2 LFW数据集
3.1.3 MegaFace数据集
3.2 人脸检测算法MTCNN
3.3 人脸识别算法Sphereface
3.3.1 Sphereface网络结构
3.3.2 A-Softmax损失函数
3.4 本文设计的人脸识别算法SE-ResNet-20
3.4.1 SE-ResNet-20 的算法流程
3.4.2 特征提取网络设计
3.4.2.1 SE-ResNet模块
3.4.2.2 Swish激活函数
3.4.2.3 SE-ResNet-20 的特征提取模块
3.5 本章实验分析
3.5.1 实验环境
3.5.2 图像预处理
3.5.3 训练步骤
3.5.4 测试结果及分析
3.6 本章小结
第4章 卷积神经网络训练优化
4.1 分布式卷积神经网络训练概述
4.2 基于同步随机梯度下降法的CaffeOnSpark
4.3 本文设计的卷积神经网络训练方法
4.4 本章实验分析
4.4.1 SE-ResNet-20 算法的分布式训练
4.4.2 实验环境
4.4.3 实验结果及分析
4.5 本章小结
第5章 人脸识别系统的设计及实现
5.1 系统需求分析
5.2 系统总体结构设计
5.3 系统子模块的功能设计与实现
5.3.1 图像采集模块
5.3.2 人脸检测模块
5.3.3 图像预处理模块
5.3.4 人脸识别模块
5.3.5 系统管理模块
5.4 系统测试与分析
5.4.1 系统功能测试
5.4.1.1 图像采集模块测试
5.4.1.2 人脸检测模块测试
5.4.1.3 预处理模块测试
5.4.1.4 人脸识别模块测试
5.4.1.5 系统管理模块测试
5.4.2 人脸识别率测试
5.4.3 多光照人脸测试
5.4.4 多角度人脸测试
5.5 本章小结
第6章 总结与展望
6.1 本文工作总结
6.2 未来展望
致谢
参考文献
附录
本文编号：3734840
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题研究背景及意义
1.2 课题相关领域的发展现状
1.3 论文主要研究内容
1.4 论文的组织结构
1.5 本章小结
第2章 卷积神经网络的理论基础介绍
2.1 卷积神经网络概述
2.1.1 卷积神经网络训练的基本步骤
2.1.2 局部感知和权值共享
2.2 卷积神经网络历史发展
2.3 卷积神经网络的基本结构
2.3.1 卷积层
2.3.2 池化层
2.3.3 全连接层
2.3.4 激活函数
2.4 卷积神经网络的结构改进和训练优化
2.4.1 数据增强和数据预处理
2.4.2 权重初始化和学习率设定
2.4.3 随机失活
2.4.4 归一化处理
2.5 本章小结
第3章人脸识别算法SE-Res Net-20
3.1 常用的人脸数据集
3.1.1 CASIA-WebFace数据集
3.1.2 LFW数据集
3.1.3 MegaFace数据集
3.2 人脸检测算法MTCNN
3.3 人脸识别算法Sphereface
3.3.1 Sphereface网络结构
3.3.2 A-Softmax损失函数
3.4 本文设计的人脸识别算法SE-ResNet-20
3.4.1 SE-ResNet-20 的算法流程
3.4.2 特征提取网络设计
3.4.2.1 SE-ResNet模块
3.4.2.2 Swish激活函数
3.4.2.3 SE-ResNet-20 的特征提取模块
3.5 本章实验分析
3.5.1 实验环境
3.5.2 图像预处理
3.5.3 训练步骤
3.5.4 测试结果及分析
3.6 本章小结
第4章 卷积神经网络训练优化
4.1 分布式卷积神经网络训练概述
4.2 基于同步随机梯度下降法的CaffeOnSpark
4.3 本文设计的卷积神经网络训练方法
4.4 本章实验分析
4.4.1 SE-ResNet-20 算法的分布式训练
4.4.2 实验环境
4.4.3 实验结果及分析
4.5 本章小结
第5章 人脸识别系统的设计及实现
5.1 系统需求分析
5.2 系统总体结构设计
5.3 系统子模块的功能设计与实现
5.3.1 图像采集模块
5.3.2 人脸检测模块
5.3.3 图像预处理模块
5.3.4 人脸识别模块
5.3.5 系统管理模块
5.4 系统测试与分析
5.4.1 系统功能测试
5.4.1.1 图像采集模块测试
5.4.1.2 人脸检测模块测试
5.4.1.3 预处理模块测试
5.4.1.4 人脸识别模块测试
5.4.1.5 系统管理模块测试
5.4.2 人脸识别率测试
5.4.3 多光照人脸测试
5.4.4 多角度人脸测试
5.5 本章小结
第6章 总结与展望
6.1 本文工作总结
6.2 未来展望
致谢
参考文献
附录
本文编号：3734840
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3734840.html
最近更新
教材专著
