需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：9659 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:卷積神經(jīng)網(wǎng)絡(luò)是一種結(jié)合了人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)而成的特殊的深層神經(jīng)網(wǎng)絡(luò)模型[1]。該新型的人工神經(jīng)網(wǎng)絡(luò)有局部的感受區(qū)域、層次的結(jié)構(gòu)化、提取特征和結(jié)合分類過程的全局訓(xùn)練的特點，廣泛應(yīng)用于圖像識別領(lǐng)域[1]。卷積神經(jīng)網(wǎng)絡(luò)具有兩個特殊性，一是該網(wǎng)絡(luò)的神經(jīng)元之間是非全連接的，另一個是權(quán)值共享[2]。卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)使網(wǎng)絡(luò)模型的復(fù)雜度降低了，權(quán)值的數(shù)量減少了，并且對傾斜、旋轉(zhuǎn)、平移、比例縮放等有高度的不變性[3]。 本文實現(xiàn)了基于卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的人臉檢測算法，利用Caffe框架，能夠魯棒的檢測出高度的可變?nèi)四槇D像，在一套圖像訓(xùn)練集中，不用進行任何的假設(shè)或采取其他的手工，進行特征和人臉區(qū)域的提取，就能自動得到簡單特定問題的特征提化器[1]。所實現(xiàn)的訓(xùn)練方法與卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，能很好的平衡對于遮擋、旋轉(zhuǎn)等背景復(fù)雜圖像的誤檢率與檢測率[1]。實驗結(jié)果得出，具有高效的人臉檢測系統(tǒng)，無需對圖像進行任何的局部預(yù)處理，即可完成對圖像的區(qū)域進行分類[1]。本文中的算法取得很高的人臉檢測率，很低的誤警率，而不需要用多個網(wǎng)絡(luò)來處理困難情況。
關(guān)鍵詞：深度學(xué)習(xí)；卷積神經(jīng)網(wǎng)絡(luò)；Caffe；人臉檢測
目錄 摘要 Abstract 1 引言-1 1.1 研究背景-1 1.1.1 主要技術(shù)成果及進展-1 1.2 課題的相關(guān)方法和動態(tài)-1 2 深度學(xué)習(xí)-3 2.1 深度學(xué)習(xí)的概念-3 2.2 深度學(xué)習(xí)的思想-4 2.3 卷積神經(jīng)網(wǎng)絡(luò)-5 2.3.1 卷積神經(jīng)網(wǎng)絡(luò)的概念-5 2.3.2 卷積神經(jīng)網(wǎng)絡(luò)的特點-6 3 深度學(xué)習(xí)框架Caffe-9 3.1 Caffe的定義-9 3.2 Caffe的優(yōu)點-9 4 人臉檢測技術(shù)概述-10 4.1 基于先驗規(guī)則的方法-10 4.2 基于不變特征的方法-11 4.3 基于模板匹配的方法-11 4.4 基于模式識別的方法-11 5 基于caffe的人臉檢測-13 5.1 方法討論-13 5.2 實現(xiàn)步驟-13 5.2.1 生成數(shù)據(jù)-13 5.2.2 配置并訓(xùn)練網(wǎng)絡(luò)-14 5.2.3 網(wǎng)絡(luò)轉(zhuǎn)換-14 5.2.4 非極大值閾值-15 5.3 實現(xiàn)結(jié)果-15 結(jié) 論-16 參 考 文 獻-17 致 謝-19 |
