隨著技術(shù)的不斷進(jìn)步和人們生活質(zhì)量的不斷提高,卷積神經(jīng)網(wǎng)絡(luò)（CNN）的應(yīng)用近年來在各個(gè)領(lǐng)域?qū)映霾桓F。卷積神經(jīng)網(wǎng)絡(luò)是一種非全連接的前饋神經(jīng)網(wǎng)絡(luò),是一種采用多層層次網(wǎng)絡(luò)結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)的方法。本文研究了卷積神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別和多聚焦圖像融合上的應(yīng)用,提出了自歸一化卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法和一種改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的多聚焦圖像融合算法。本文主要內(nèi)容及創(chuàng)新點(diǎn)包括:（1）對(duì)卷積神經(jīng)網(wǎng)絡(luò)的基本組成結(jié)構(gòu)和工作原理進(jìn)行了詳盡的解釋說明。本文先從單個(gè)神經(jīng)元介紹到簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò),再逐步深入對(duì)卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)造進(jìn)行了分析。卷積神經(jīng)網(wǎng)絡(luò)的原理是基于局部感受野,共享權(quán)值和池化這三種基本思想,使得卷積神經(jīng)網(wǎng)絡(luò)對(duì)高維數(shù)據(jù)的處理更輕松,且對(duì)特征的提取相對(duì)簡(jiǎn)單準(zhǔn)確,特征分類效果好。（2）提出了一種自歸一化卷積神經(jīng)網(wǎng)絡(luò)（SCNN）的人臉識(shí)別算法。該算法是用自歸一化卷積神經(jīng)網(wǎng)絡(luò)對(duì)人臉特征進(jìn)行提取并分類;然后通過對(duì)不同批次大小和不同網(wǎng)絡(luò)層數(shù)的實(shí)驗(yàn)對(duì)比找出最佳的實(shí)驗(yàn)條件;最后與傳統(tǒng)CNN算法和其他算法對(duì)比。本文提出的方法在ORL數(shù)據(jù)庫中的實(shí)驗(yàn)識(shí)別率可達(dá)到98.3%。實(shí)驗(yàn)結(jié)果表明自歸一化卷積神經(jīng)網(wǎng)絡(luò)比普通的卷積神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：54 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景及意義
        1.1.1 人臉識(shí)別的研究背景及意義
        1.1.2 多聚焦圖像融合技術(shù)的研究背景及意義
    1.2 選題的研究現(xiàn)狀
        1.2.1 人臉識(shí)別技術(shù)的研究現(xiàn)狀
        1.2.2 多聚焦圖像融合技術(shù)的研究現(xiàn)狀
    1.3 論文工作及章節(jié)安排
第二章 卷積神經(jīng)網(wǎng)絡(luò)的基本原理及發(fā)展現(xiàn)狀
    2.1 卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展現(xiàn)狀
    2.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
    2.3 卷積神經(jīng)網(wǎng)絡(luò)的基本原理
        2.3.1 局部感受野
        2.3.2 共享權(quán)值
        2.3.3 池化
    2.4 本章小結(jié)
第三章 自歸一化卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法
    3.1 網(wǎng)絡(luò)設(shè)計(jì)原理
    3.2 實(shí)驗(yàn)環(huán)境和數(shù)據(jù)預(yù)處理
    3.3 實(shí)驗(yàn)參數(shù)設(shè)置
    3.4 實(shí)驗(yàn)結(jié)果對(duì)比
    3.5 本章小結(jié)
第四章 一種改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)的多聚焦圖像融合算法
    4.1 網(wǎng)絡(luò)設(shè)計(jì)原理
    4.2 網(wǎng)絡(luò)訓(xùn)練和環(huán)境設(shè)置
    4.3 實(shí)驗(yàn)結(jié)果及討論
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來研究工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的科研和學(xué)術(shù)成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的表情不變?nèi)S人臉識(shí)別[J]. 陳志軒,周大可,黃經(jīng)緯.  電子測(cè)量技術(shù). 2017(04)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別[J]. 王嘉鑫,鄒科文,陳義明.  電腦知識(shí)與技術(shù). 2016(29)
[3]基于NSST圖像特征的多聚焦圖像融合方法[J]. 張耀軍,栗磊,吳桂玲.  電視技術(shù). 2015(15)
[4]一種復(fù)合型PCNN的NSCT域多聚焦圖像融合方法[J]. 張寶華,呂曉琪.  小型微型計(jì)算機(jī)系統(tǒng). 2014(02)
[5]融合全局和局部特征的人臉識(shí)別[J]. 胡敏,程天梅,王曉華.  電子測(cè)量與儀器學(xué)報(bào). 2013(09)
[6]基于改進(jìn)LP變換及自適應(yīng)PCNN的多聚焦圖像融合方法[J]. 嚴(yán)春滿,郭寶龍,易盟.  控制與決策. 2012(05)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究與實(shí)現(xiàn)[D]. 萬士寧.電子科技大學(xué) 2016
[2]基于深度學(xué)習(xí)的人臉識(shí)別方法的研究[D]. 池燕玲.福建師范大學(xué) 2015
[3]基于視覺信息保真度的圖像質(zhì)量評(píng)估的算法研究[D]. 李玉.電子科技大學(xué) 2015
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)和性別識(shí)別研究[D]. 汪濟(jì)民.南京理工大學(xué) 2015
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究[D]. 葉浪.東南大學(xué) 2015
[6]基于PCNN和圖像分塊融合法的多聚焦圖像融合算法研究[D]. 李凱.云南大學(xué) 2013
[7]基于獨(dú)立成分分析的人臉識(shí)別算法研究[D]. 梁文莉.西安科技大學(xué) 2012
[8]基于ICA的人臉識(shí)別研究[D]. 董優(yōu)麗.中南民族大學(xué) 2008
[9]多聚焦圖像融合算法研究[D]. 余慧.河海大學(xué) 2006



本文編號(hào)：3420380