基于深度学习模型的人脸性别识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文的研究内容与主要贡献 | 第11页 |
| 1.4 论文的组织结构 | 第11-14页 |
| 第2章 深度学习模型基础 | 第14-28页 |
| 2.1 多层前馈网络 | 第14-18页 |
| 2.1.1 感知器单元 | 第15-16页 |
| 2.1.2 反向传播算法 | 第16-18页 |
| 2.2 栈式稀疏自编码器模型 | 第18-23页 |
| 2.2.1 稀疏自编码器 | 第18-20页 |
| 2.2.2 目标函数与求解 | 第20-22页 |
| 2.2.3 栈式组合结构 | 第22-23页 |
| 2.3 卷积神经网络模型 | 第23-27页 |
| 2.3.1 二维卷积与池化运算 | 第24-25页 |
| 2.3.2 目标函数与求解 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 数据预处理与模型评价 | 第28-32页 |
| 3.1 实验环境 | 第28页 |
| 3.2 人脸数据库 | 第28-29页 |
| 3.3 图像预处理 | 第29-31页 |
| 3.4 分类模型评价指标 | 第31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于深度学习模型的人脸性别分类方法 | 第32-46页 |
| 4.1 基于栈式稀疏自编码器模型的性别分类实验 | 第32-35页 |
| 4.1.1 模型改进动机与方法 | 第32-33页 |
| 4.1.2 实验结果与分析 | 第33-35页 |
| 4.2 基于卷积神经网络模型的性别分类实验 | 第35-44页 |
| 4.2.1 模型改进动机与方法 | 第35-37页 |
| 4.2.2 实验结果与分析 | 第37-44页 |
| 4.3 与前人方法对比分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 基于模型组合的人脸性别分类方法 | 第46-52页 |
| 5.1 模型组合的改进动机与方法 | 第46-48页 |
| 5.1.1 问题描述与改进动机 | 第46页 |
| 5.1.2 目标函数定义 | 第46-47页 |
| 5.1.3 目标函数求解 | 第47-48页 |
| 5.2 实验结果与分析 | 第48-50页 |
| 5.2.1 基模型选择 | 第48-49页 |
| 5.2.2 参数设置 | 第49页 |
| 5.2.3 实验结果 | 第49-50页 |
| 5.3 本章小结 | 第50-52页 |
| 第6章 实时人脸性别识别系统与应用效果分析 | 第52-66页 |
| 6.1 系统描述 | 第52-53页 |
| 6.1.1 系统功能描述 | 第52页 |
| 6.1.2 系统性能描述 | 第52-53页 |
| 6.2 硬件与软件环境 | 第53-54页 |
| 6.2.1 硬件环境 | 第53-54页 |
| 6.2.2 软件环境 | 第54页 |
| 6.3 实时系统实现过程 | 第54-55页 |
| 6.4 应用效果分析 | 第55-64页 |
| 6.4.1 系统效果分析 | 第57-58页 |
| 6.4.2 光照效果对比 | 第58-61页 |
| 6.4.3 遮罩效果分析 | 第61-63页 |
| 6.4.4 侧脸效果分析 | 第63-64页 |
| 6.5 本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录A | 第72-74页 |
| 附录B | 第74-82页 |
| 攻读硕士学位期间所取得的研究成果 | 第82-84页 |
| 致谢 | 第84页 |
