基于目标检测的虹膜定位研究 | |
论文目录 | |
摘要 | 第1-7页 |
Abstract | 第7-9页 |
第一章 绪论 | 第13-18页 |
1.1 研究的背景及意义 | 第13-14页 |
1.2 虹膜识别技术概述 | 第14-16页 |
1.2.1 虹膜生理特征简述 | 第14-15页 |
1.2.2 虹膜识别的国内外现状发展历程 | 第15页 |
1.2.3 虹膜识别的关键问题 | 第15-16页 |
1.3 论文的结构 | 第16-17页 |
1.4 本章总结 | 第17-18页 |
第二章 虹膜识别系统流程概述 | 第18-26页 |
2.1 虹膜采集过程 | 第18-20页 |
2.1.1 现有的虹膜图像采集设备 | 第18页 |
2.1.2 实验室研发虹膜图像采集设备 | 第18-19页 |
2.1.3 几种常见的虹膜数据库 | 第19-20页 |
2.2 虹膜识别系统原理 | 第20-25页 |
2.2.1 虹膜识别流程 | 第20-22页 |
2.2.2 虹膜质量评价 | 第22-24页 |
2.2.3 虹膜定位算法 | 第24-25页 |
2.3 本文的解决方案 | 第25页 |
2.4 本章总结 | 第25-26页 |
第三章 目标检测算法及Yolov3 算法简介 | 第26-46页 |
3.1 神经网络介绍 | 第26-30页 |
3.1.1 人工神经网络 | 第26-27页 |
3.1.2 卷积神经网络 | 第27-30页 |
3.2 目标检测算法简介 | 第30-42页 |
3.2.1 Yolo网络细节介绍 | 第31-34页 |
3.2.2 Yolo检测流程概述 | 第34-40页 |
3.2.3 Yolo损失函数 | 第40-42页 |
3.3 Yolo网络效果评定标准 | 第42-45页 |
3.4 本章总结 | 第45-46页 |
第四章 改进的模型算法及实验设计 | 第46-57页 |
4.1 虹膜图像预处理 | 第46-47页 |
4.2 改进的yolo网络模型 | 第47-50页 |
4.3 改进的非极大值抑制算法 | 第50-53页 |
4.3.1 传统非极大值抑制算法 | 第50-51页 |
4.3.2 改进的NMS算法 | 第51-53页 |
4.4 对比实验设计 | 第53-56页 |
4.4.1 基于迁移学习的Yolo模型 | 第53-54页 |
4.4.2 SSD模型 | 第54-56页 |
4.5 本章总结 | 第56-57页 |
第五章 实验结果与分析 | 第57-63页 |
5.1 实验结果分析 | 第57-62页 |
5.2 本章总结 | 第62-63页 |
第六章 工作总结与未来展望 | 第63-65页 |
6.1 工作总结 | 第63页 |
6.2 研究展望 | 第63-65页 |
参考文献 | 第65-69页 |
作者简介及在读期间参加的科研项目 | 第69-70页 |
致谢 | 第70页 |
本篇论文共70页,点击
这进入下载页面 |
|
Copyright(C) All Rights Reserved |
客服QQ:304386486 |
目录由用户 mazhongx** 提供,作者删除入口请点击这里 |