| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·引言 | 第9-10页 |
| ·年龄估计研究的意义 | 第10页 |
| ·本文的主要工作 | 第10-11页 |
| ·本文研究内容的安排 | 第11-13页 |
| 第二章 年龄估计研究综述 | 第13-22页 |
| ·年龄估计的概述 | 第13页 |
| ·人脸图像的年龄特征 | 第13-17页 |
| ·局部特征 | 第14-15页 |
| ·全局特征 | 第15-16页 |
| ·局部和全局的混合特征 | 第16-17页 |
| ·主要的年龄估计算法 | 第17-21页 |
| ·年龄估计的分类方法 | 第18-19页 |
| ·年龄估计的回归方法 | 第19-20页 |
| ·融合分类和回归的方法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于单任务学习的年龄估计 | 第22-40页 |
| ·人脸图像的Mid-level年龄特征 | 第22-27页 |
| ·SIFT特征 | 第23-25页 |
| ·Dense SIFT特征 | 第25页 |
| ·稀疏编码的Mid-level年龄特征 | 第25-27页 |
| ·基于Ridge Regression的年龄估计 | 第27-28页 |
| ·基于Support Vector Machines的年龄估计 | 第28-31页 |
| ·Support Vector Machines的基本理论 | 第29页 |
| ·基于Support Vector Regression年龄估计的方法 | 第29-31页 |
| ·基于线性稀疏回归的年龄估计 | 第31-34页 |
| ·线性稀疏回归 | 第32-33页 |
| ·基于线性稀疏回归特征选择的年龄估计 | 第33-34页 |
| ·实验结果和分析 | 第34-38页 |
| ·FG-NET人脸库 | 第35-36页 |
| ·实验设置 | 第36页 |
| ·实验结果 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于多任务学习的年龄估计 | 第40-53页 |
| ·多任务学习理论基础 | 第40-42页 |
| ·多任务学习方法在年龄估计中的应用 | 第42-43页 |
| ·基于多任务特征选择的年龄估计 | 第43-45页 |
| ·基于多任务学习的多层年龄分类器方法 | 第45-47页 |
| ·实验结果及分析 | 第47-51页 |
| ·在FG-NET人脸库上的实验结果 | 第48-50页 |
| ·在MORPH人脸库上的实验结果 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·本文工作总结 | 第53-54页 |
| ·工作展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士学位期间主要的研究成果 | 第63页 |
