人脸年龄估计算法的设计与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景与挑战 | 第11-12页 |
| 1.1.2 应用价值与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 2 年龄估计相关理论 | 第17-30页 |
| 2.1 年龄估计算法流程 | 第17-18页 |
| 2.2 年龄估计数据库 | 第18-21页 |
| 2.2.1 FG-NET数据库 | 第18-19页 |
| 2.2.2 Morph数据库 | 第19-20页 |
| 2.2.3 其他主流数据库 | 第20-21页 |
| 2.3 年龄估计特征 | 第21-26页 |
| 2.3.1 AAM特征 | 第21-24页 |
| 2.3.2 BIF特征 | 第24-25页 |
| 2.3.3 Gabor特征 | 第25-26页 |
| 2.4 年龄估计方法 | 第26-28页 |
| 2.5 年龄估计评价方法 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 基于卷积神经网络的人脸年龄估计方法 | 第30-48页 |
| 3.1 算法提出动机 | 第30-31页 |
| 3.2 算法框架 | 第31-32页 |
| 3.3 卷积神经网络基本理论 | 第32-34页 |
| 3.4 算法详细设计 | 第34-39页 |
| 3.4.1 卷积神经网络结构及构建方法 | 第34-36页 |
| 3.4.2 卷积神经网络训练 | 第36-38页 |
| 3.4.3 深度卷积激活特征 | 第38-39页 |
| 3.4.4 年龄估计方法 | 第39页 |
| 3.5 实验设置与结果分析 | 第39-44页 |
| 3.5.1 实验设置 | 第40-41页 |
| 3.5.2 实验结果分析 | 第41-44页 |
| 3.5.3 对比实验 | 第44页 |
| 3.6 算法的应用 | 第44-47页 |
| 3.7 本章小结 | 第47-48页 |
| 4 基于结构化的低秩特征表示的人脸年龄估计方法 | 第48-63页 |
| 4.1 低秩矩阵恢复 | 第48-50页 |
| 4.1.1 理论概述 | 第48-49页 |
| 4.1.2 理论内容 | 第49-50页 |
| 4.2 结构化的稀疏低秩表示学习 | 第50-54页 |
| 4.2.1 问题描述 | 第50-52页 |
| 4.2.2 最优化求解 | 第52-54页 |
| 4.3 年龄估计的回归方法 | 第54页 |
| 4.4 实验设置与结果分析 | 第54-61页 |
| 4.4.1 实验设置 | 第55-56页 |
| 4.4.2 实验结果分析 | 第56-61页 |
| 4.5 两种算法对比 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第69-71页 |
| 学位论文数据集 | 第71页 |
