基于深度学习的人脸性别识别的研究与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题背景及研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 文章结构 | 第10-11页 |
| 第二章 深度学习介绍 | 第11-20页 |
| 2.1 Caffe深度学习框架简介 | 第11页 |
| 2.2 Caffe深度学习框架网络结构及其原理 | 第11-19页 |
| 2.2.1 数据层 | 第12页 |
| 2.2.2 卷积层 | 第12-14页 |
| 2.2.3 池化层 | 第14-16页 |
| 2.2.4 激活层 | 第16-17页 |
| 2.2.5 全连接层 | 第17-18页 |
| 2.2.6 Loss层 | 第18页 |
| 2.2.7 Accuracy层 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 实验环境与配置 | 第20-32页 |
| 3.1 Caffe深度学习框架环境搭建 | 第20-22页 |
| 3.2 Caffe深度学习框架实现过程 | 第22-30页 |
| 3.2.1 数据准备 | 第22-25页 |
| 3.2.2 制作标签 | 第25页 |
| 3.2.3 制作LMDB | 第25-26页 |
| 3.2.4 生成均值文件 | 第26页 |
| 3.2.5 编写模型描述文件 | 第26-27页 |
| 3.2.6 编写Solver文件 | 第27-29页 |
| 3.2.7 模型训练与测试 | 第29-30页 |
| 3.2.8 本段总结 | 第30页 |
| 3.3 本章小结 | 第30-32页 |
| 第四章 人脸性别识别实验对比与分析 | 第32-50页 |
| 4.1 LeNet深度学习模型 | 第32-35页 |
| 4.1.1 Le Net模型简介 | 第33-34页 |
| 4.1.2 基于上半身人脸数据集 | 第34页 |
| 4.1.3 基于人脸数据集 | 第34-35页 |
| 4.1.4 Le Net模型总结 | 第35页 |
| 4.2 Alex Net深度学习模型 | 第35-39页 |
| 4.2.1 AlexNet模型简介 | 第36-37页 |
| 4.2.2 基于上半身人脸数据集 | 第37-38页 |
| 4.2.3 基于人脸数据集 | 第38页 |
| 4.2.4 AlexNet模型总结 | 第38-39页 |
| 4.3 VGG-16 深度学习模型 | 第39-42页 |
| 4.3.1 VGG-16 模型简介 | 第39-40页 |
| 4.3.2 基于上半身人脸数据集 | 第40-41页 |
| 4.3.3 基于人脸数据集 | 第41-42页 |
| 4.3.4 VGG-16 模型总结 | 第42页 |
| 4.4 各模型对比 | 第42-47页 |
| 4.4.1 测试准确率 | 第42-43页 |
| 4.4.2 测试误失率 | 第43-44页 |
| 4.4.3 训练收敛速度 | 第44-45页 |
| 4.4.4 训练时间 | 第45-46页 |
| 4.4.5 单张图像识别时间 | 第46页 |
| 4.4.6 模型大小 | 第46-47页 |
| 4.4.7 本段总结 | 第47页 |
| 4.5 实验效果展示 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 不足与展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54页 |
