| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 人脸图像年龄分类 | 第11-12页 |
| 1.2.2 人脸图像年龄回归 | 第12-13页 |
| 1.2.3 人脸图像表观年龄估计 | 第13-14页 |
| 1.3 论文的主要研究内容 | 第14-15页 |
| 1.4 论文主要工作和章节安排 | 第15-16页 |
| 第2章 卷积神经网络模型 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 LeNet网络模型 | 第16-17页 |
| 2.3 AlexNet网络模型 | 第17-18页 |
| 2.4 VGGNet网络模型 | 第18-19页 |
| 2.5 GoogLeNet网络模型 | 第19页 |
| 2.6 ResNet网络模型 | 第19-22页 |
| 2.7 RoR网络模型 | 第22-24页 |
| 2.8 本章小结 | 第24-25页 |
| 第3章 基于卷积神经网络的人脸图像年龄估计方法 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 人脸图像年龄估计的可行性分析 | 第25-26页 |
| 3.3 人脸图像年龄估计方法流程 | 第26-29页 |
| 3.3.1 多级残差网络 | 第26-27页 |
| 3.3.2 ImageNet预训练 | 第27-28页 |
| 3.3.3 IMDB-WIKI-101微调 | 第28-29页 |
| 3.3.4 训练与测试 | 第29页 |
| 3.4 性别预训练与权重损失层 | 第29-30页 |
| 3.5 随机深度算法 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 实验结果及分析 | 第32-47页 |
| 4.1 引言 | 第32页 |
| 4.2 评价指标 | 第32页 |
| 4.3 数据集 | 第32-35页 |
| 4.3.1 Adience数据集 | 第33-34页 |
| 4.3.2 MORPHAlbum2数据集 | 第34页 |
| 4.3.3 FG-NET数据集 | 第34-35页 |
| 4.4 实验参数设置 | 第35-36页 |
| 4.5 年龄组分类实验 | 第36-44页 |
| 4.5.1 ImageNet和IMDB-WIKI-101微调网络 | 第36-39页 |
| 4.5.2 多级残差网络人脸图像年龄估计 | 第39-40页 |
| 4.5.3 性别预训练与权重损失层 | 第40-42页 |
| 4.5.4 加入随机深度算法进行年龄估计 | 第42-43页 |
| 4.5.5 方法总结与对比 | 第43-44页 |
| 4.6 年龄值估计实验 | 第44-46页 |
| 4.6.1 深度期望算法 | 第44页 |
| 4.6.2 年龄值估计实验结果与对比 | 第44-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第5章 结论与展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士期间所发表的论文 | 第52-53页 |
| 致谢 | 第53页 |