人脸年龄估计的算法研究与实现
| 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 研究背景及挑战 | 第11-13页 |
| 1.1.1 研究背景与意义 | 第11-12页 |
| 1.1.2 研究困难与挑战 | 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 人脸年龄估计研究综述 | 第17-32页 |
| 2.1 人脸年龄估计问题的概述 | 第17-18页 |
| 2.2 年龄估计数据库 | 第18-22页 |
| 2.2.1 FG-NET数据库 | 第18-19页 |
| 2.2.2 WebFace数据库 | 第19-20页 |
| 2.2.3 YGA数据库 | 第20页 |
| 2.2.4 MORPH数据库 | 第20-22页 |
| 2.3 面部的年龄特征提取 | 第22-28页 |
| 2.3.1 AAM特征 | 第22-25页 |
| 2.3.2 LBP特征 | 第25-26页 |
| 2.3.3 BIF特征 | 第26-28页 |
| 2.4 主流的年龄估计算法 | 第28-30页 |
| 2.4.1 分类算法 | 第28-29页 |
| 2.4.2 回归算法 | 第29-30页 |
| 2.4.3 基于年龄有序性的算法 | 第30页 |
| 2.5 年龄估计模型评价准则 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 基于多标签排序的人脸年龄估计算法 | 第32-45页 |
| 3.1 多标签排序学习相关综述 | 第32-34页 |
| 3.1.1 多标签排序学习概述 | 第32-33页 |
| 3.1.2 多标签排序学习理论内容 | 第33-34页 |
| 3.2 多标签排序年龄估计模型 | 第34-38页 |
| 3.2.1 基于多标签的人脸样本 | 第34-35页 |
| 3.2.2 年龄估计模型建立 | 第35-37页 |
| 3.2.3 最优化求解 | 第37-38页 |
| 3.3 年龄估计预测 | 第38-39页 |
| 3.4 实验设置与结果分析 | 第39-44页 |
| 3.4.1 实验设置 | 第39-40页 |
| 3.4.2 实验结果分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于结构化稀疏的人脸年龄估计算法 | 第45-64页 |
| 4.1 结构化稀疏相关综述 | 第45-48页 |
| 4.1.1 结构化稀疏研究发展 | 第45-46页 |
| 4.1.2 结构化稀疏理论分析 | 第46-48页 |
| 4.2 结构化稀疏年龄估计模型 | 第48-52页 |
| 4.2.1 结构化稀疏模型构建思想 | 第48-49页 |
| 4.2.2 年龄估计模型建立 | 第49-50页 |
| 4.2.3 最优化求解 | 第50-52页 |
| 4.3 实验设置与结果分析 | 第52-61页 |
| 4.3.1 实验设置 | 第53-54页 |
| 4.3.2 实验结果分析 | 第54-60页 |
| 4.3.3 两种年龄估计模型对比 | 第60-61页 |
| 4.4 年龄估计模型应用 | 第61-62页 |
| 4.5 本章小结 | 第62-64页 |
| 5 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |
