| 摘要 | 第5-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 传统机器学习方法下的人脸美丽研究现状 | 第12-14页 |
| 1.2.2 基于深度学习的人脸美丽研究现状 | 第14-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第二章 人脸美丽吸引力的相关理论和预测方法 | 第18-33页 |
| 2.1 引言 | 第18页 |
| 2.2 人脸美的定量述准则 | 第18-21页 |
| 2.2.1 近古典规则 | 第18-19页 |
| 2.2.2 黄金比例规则 | 第19-20页 |
| 2.2.3 三庭五眼规则 | 第20-21页 |
| 2.3 基于机器学习的人脸美丽吸引力预测 | 第21-31页 |
| 2.3.1 人脸美的特征表达 | 第21-28页 |
| 2.3.2 几种用于人脸美丽预测的机器学习方法 | 第28-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 基于深度神经网络的人脸美丽预测 | 第33-47页 |
| 3.1 引言 | 第33页 |
| 3.2 多层感知器 | 第33-35页 |
| 3.3 卷积神经网络 | 第35-43页 |
| 3.3.1 CNN的基本介绍 | 第35-39页 |
| 3.3.2 基于CNN的人脸美丽预测 | 第39-43页 |
| 3.4 PCA网络 | 第43-46页 |
| 3.4.1 PCANet的基本介绍 | 第43-45页 |
| 3.4.2 基于PCANet的人脸美丽特征 取 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于认知心理学的人脸美丽预测模型 | 第47-55页 |
| 4.1 引言 | 第47页 |
| 4.2 基于认知心理学的人脸图层分解和特征取 | 第47-51页 |
| 4.2.1 人脸皮肤属性对人脸美丽感知的心理学研究 | 第47-48页 |
| 4.2.2 人脸图层分解和特征取 | 第48-51页 |
| 4.3 基于多通道CNN的人脸美丽预测模型 | 第51-52页 |
| 4.4 基于级联优化CNN的人脸美丽预测模型 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 实验结果与分析 | 第55-71页 |
| 5.1 引言 | 第55页 |
| 5.2 数据库描述 | 第55-58页 |
| 5.2.1 SCUT-FBP数据库 | 第55-56页 |
| 5.2.2 LSFBD数据库 | 第56-57页 |
| 5.2.3 10k US Adult Faces数据库 | 第57-58页 |
| 5.3 评价标准 | 第58-59页 |
| 5.4 实验结果分析 | 第59-68页 |
| 5.4.1 各深度学习方法对比 | 第59-61页 |
| 5.4.2 特征对比 | 第61-62页 |
| 5.4.3 基于认知心理学的人脸美丽预测模型结果 | 第62-66页 |
| 5.4.4 与其他论文方法的对比 | 第66-67页 |
| 5.4.5 对人脸姿态和表情变化的鲁棒性测试 | 第67-68页 |
| 5.4.6 特征可视化 | 第68页 |
| 5.5 基于个性化审美的实验结果分析 | 第68-70页 |
| 5.5.1 个人审美与大众审美之间的关系 | 第69页 |
| 5.5.2 个人审美的预测结果与分析 | 第69-70页 |
| 5.6 本章小结 | 第70-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81-83页 |
| 致谢 | 第83-84页 |
| 附件 | 第84页 |