摘  要

 

人脸识别是目前深度学习领域中最受欢迎的研究课题之一，随着技术的发展，人脸识别开始应用在日常生活中，刷脸付款、门禁解锁等越来越多的功能被开发出来。本文设计一种以dlib自带的detector用作特征提取器，将人脸数据进行预处理后，运用tensorflow和keras框架，以卷积神经网络为基础，采用小批量梯度下降算法作为优化算法的人脸识别系统。卷积神经网络因为权值共享等特性，能够很好地解决图像处理方面的问题。Tensorflow是利用数据流图，完成数值计算的深度学习框架，常用于神经网络相关的研究。

 

关键词：人脸识别；深度学习；特征提取；Tensorflow；卷积神经网络；小批量梯度下降算法

目  录

 

第一章 绪论 1

1.1 选题背景 1

1.2 人脸识别技术的国内外研究现状 1

1.3 论文主要工作与章节安排 2

第二章 卷积神经网络与tensorflow框架 3

2.1 神经网络 3

2.1.1 神经网络结构 3

2.1.2 神经网络作用过程 3

2.1.3 反向传播算法 3

2.2 卷积神经网络 4

2.2.1 卷积神经网络结构 4

2.2.2 卷积神经网络的优点与不足 5

2.3 TensorFlow框架 6

第三章 人脸识别系统设计 7

3.1 特征提取 7

3.2 卷积神经网络模型设计 7

3.3 优化算法 8

3.3.1 随机梯度下降算法 8

3.3.2 批量梯度下降算法 9

3.3.3 小批量梯度下降算法 9

第四章 测试 11

4.1 仿真实验测试 11

第五章 总结与展望 14

参考文献 15

致  谢 16