人脸画像快速合成和风格分类算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-17页 |
| 缩略语对照表 | 第17-21页 |
| 第一章 绪论 | 第21-29页 |
| 1.1 研究背景和意义 | 第21-23页 |
| 1.2 研究进展与现状 | 第23-25页 |
| 1.3 本文的主要工作以及章节安排 | 第25-29页 |
| 第二章 基于双迁移学习的人脸画像合成 | 第29-43页 |
| 2.1 引言 | 第29页 |
| 2.2 基于双迁移学习的人脸画像合成算法 | 第29-37页 |
| 2.2.1 域间迁移学习 | 第32-33页 |
| 2.2.2 域内迁移学习 | 第33-34页 |
| 2.2.3 算法的高效实现 | 第34-37页 |
| 2.3 实验结果与分析 | 第37-42页 |
| 2.4 小结 | 第42-43页 |
| 第三章 基于组合模型的人脸画像合成 | 第43-61页 |
| 3.1 引言 | 第43-44页 |
| 3.2 基于组合模型的人脸画像合成算法 | 第44-52页 |
| 3.2.1 模版生成 | 第46页 |
| 3.2.2 部件合成 | 第46-50页 |
| 3.2.3 部件形变与融合 | 第50-52页 |
| 3.3 实验结果与分析 | 第52-56页 |
| 3.4 娱乐应用 | 第56-59页 |
| 3.5 小结 | 第59-61页 |
| 第四章 基于画风部件与特征的画像风格分类 | 第61-77页 |
| 4.1 引言 | 第61页 |
| 4.2 基于画风部件与特征的风格分类算法 | 第61-72页 |
| 4.2.1 画风部件 | 第63-64页 |
| 4.2.2 画风特征 | 第64-70页 |
| 4.2.3 基于支撑向量机的选择性集成方法 | 第70-72页 |
| 4.3 实验结果与分析 | 第72-75页 |
| 4.4 小结 | 第75-77页 |
| 第五章 基于多核学习的画像风格分类 | 第77-87页 |
| 5.1 引言 | 第77-78页 |
| 5.2 基于多核学习的画像风格分类算法 | 第78-83页 |
| 5.2.1 多核学习 | 第78-81页 |
| 5.2.2 多核学习与其它方法对比 | 第81-83页 |
| 5.3 实验结果与分析 | 第83-85页 |
| 5.3.1 多风格人脸画像的分类 | 第83-84页 |
| 5.3.2 多风格人脸画像的合成 | 第84-85页 |
| 5.4 小结 | 第85-87页 |
| 第六章 总结与展望 | 第87-91页 |
| 6.1 研究结论 | 第87-88页 |
| 6.2 研究展望 | 第88-91页 |
| 参考文献 | 第91-105页 |
| 致谢 | 第105-107页 |
| 作者简介 | 第107-109页 |
