基于人脸图像的性别分类
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·常用人脸图像库 | 第9-10页 |
| ·本文的主要工作和内容安排 | 第10-11页 |
| 2 人脸检测 | 第11-31页 |
| ·引言 | 第11-12页 |
| ·基于AdaBoost的人脸检测基本原理 | 第12-19页 |
| ·积分图 | 第12-14页 |
| ·分类器学习 | 第14-16页 |
| ·分类器级联 | 第16-18页 |
| ·人脸检测过程 | 第18-19页 |
| ·图像预处理 | 第19-21页 |
| ·人脸验证 | 第21-24页 |
| ·基于肤色模型 | 第21页 |
| ·基于人眼定位 | 第21-22页 |
| ·基于人脸轮廓 | 第22-23页 |
| ·本文采用的验证方法 | 第23-24页 |
| ·人脸检测实验 | 第24-30页 |
| ·训练集 | 第24-25页 |
| ·正面人脸检测实验 | 第25-27页 |
| ·侧脸检测实验 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 3 基于PCA和LDA的人脸性别分类方法 | 第31-39页 |
| ·基于PCA的降维 | 第31-33页 |
| ·基于LDA的分类方法 | 第33-35页 |
| ·基于PCA+LDA的人脸性别分类 | 第35-36页 |
| ·实验结果与分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 卷积神经网络 | 第39-51页 |
| ·卷积神经网络相关背景 | 第39-41页 |
| ·卷积神经网络拓扑结构 | 第41-43页 |
| ·BP神经网络基本原理 | 第43-46页 |
| ·神经元 | 第43-44页 |
| ·BP网络算法原理 | 第44-46页 |
| ·卷积神经网络使用的反向传播算法 | 第46-50页 |
| ·卷积层的梯度计算 | 第47-48页 |
| ·下采样层的梯度计算 | 第48-49页 |
| ·特征图的组合 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 5 卷积神经网络应用于人脸性别分类 | 第51-57页 |
| ·本文使用的卷积神经网络结构 | 第51-53页 |
| ·实验数据准备 | 第53-54页 |
| ·实验结果与分析 | 第54-56页 |
| ·不同数据库比较 | 第54页 |
| ·不同模型的比较 | 第54-55页 |
| ·遮挡实验 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |
