毕设--基于深度学习的人脸识别（详细步骤）

比来闲来无事，思写一个自己毕设基于深度练习的人脸识别作品。我要紧运用两个分歧的神经汇集实行完毕，诀别是一个浅易三层的卷积神经汇集和构造纷乱的VGG16神经汇集，并比对了两种汇集教练出的模子的识别成效。从最终的结果来看，与猜思的相同构造更纷乱的VGG16的成效更胜一筹。下面我就来整个先容一下其完毕进程。起首来说说第一个烂大街的模子，代码量很少，实在也很容易通晓。不过我正在网上找demo的功夫真的是踩了不少的坑，不明了是作家成心而为之如故有些人向来即是copy其他人的，本人还偷懒没有跑，反正即是本人下载的几个

，15个体，165张图片，每张图片巨细为100*100 这里yale文献中是源图片，通过changename.py将名字更改，存放到picture文献下 eigenface整个

图片，这里应用subjectxx.normal.bmp文献，共15张图片，每张图片拉直为一个

举动一种生物特点识别技巧，具有非骚扰性、非接触性、友情性和便捷性等长处。早正在二十世纪初期，

： 输入图像：能够做极少图像前管制操作，例如：调治亮度、去噪等 人脸检测：检测人脸地方，能够出席极少活体检测之类

输入 人脸特点提取：通过DCNN汇集，对人脸图实行修模，获得人脸特点 人脸特点比对：应用比对算

结业策画 - 选题提倡 作品目次1 选题提倡2 开题辅导1.1 起因1.2 若何避坑(重中之重)1.3 为什么这么说呢？1.4 难度把控1.5 问题名称1.6 结尾3 结尾 1 选题提倡 以下为学长手动收拾

话价钱会相对省钱。 本文不会过众涉及或者一起先会极少展现整个代码，终于只是浅易考虑或是启迪一下阅读者

1.1 OCR 1.2 周围检测 1.3 神情感情 1.4 场景 1.5 车辆车牌 1.6 唇语 1.7 导航 1.8 点云 1.9 品格转换 1.10 合头点 1.11 虹膜 1.12 交通 1.13 漫画 1.14 宗旨检测B 1.15 人脸A 1.16 人脸B 1.17

揣度 1.18 食品 1.19 视频 1.20 手势手语 1.21 图像离散 1.22 图像分类 1.23 图像检索 1.24 图像聚类 1.25 图像般配 1.26 图像去

宇木灵:不是由于python没有笼统类和接口的观点，于是需求应用@abstractmethod来完毕吗？