基于集成卷积神经网络的人脸年龄识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 人脸图像年龄特征模型 | 第11-13页 |
| 1.2.2 人脸图像年龄识别算法 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 文章内容框架 | 第15-17页 |
| 第二章 数据预处理 | 第17-21页 |
| 2.1 人脸图像年龄数据库 | 第17-18页 |
| 2.2 数据预处理 | 第18-20页 |
| 2.2.1 人脸检测 | 第18-19页 |
| 2.2.2 图像变换 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 卷积神经网络基本理论 | 第21-38页 |
| 3.1 深度学习 | 第21-22页 |
| 3.2 卷积神经网络 | 第22-37页 |
| 3.2.1 人工神经网络 | 第22-27页 |
| 3.2.2 BP神经网络 | 第27-31页 |
| 3.2.3 卷积神经网络 | 第31-37页 |
| 3.2.4 softmax回归 | 第37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 基于卷积神经网络的年龄识别 | 第38-53页 |
| 4.1 实验数据集 | 第38-40页 |
| 4.2 卷积神经网络模型 | 第40-42页 |
| 4.3 训练过程 | 第42-43页 |
| 4.4 实验评估方法 | 第43页 |
| 4.5 实验结果和分析 | 第43-52页 |
| 4.5.1 Adience数据集 | 第44-48页 |
| 4.5.2 Gallagher数据集 | 第48-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 基于集成卷积神经网络的年龄识别 | 第53-71页 |
| 5.1 集成学习 | 第53-55页 |
| 5.1.1 常用集成算法 | 第53-54页 |
| 5.1.2 分类器融合方式 | 第54-55页 |
| 5.2 人脸年龄识别集成算法 | 第55页 |
| 5.3 人脸年龄识别基分类器 | 第55-59页 |
| 5.4 训练过程 | 第59页 |
| 5.5 实验结果分析 | 第59-70页 |
| 5.5.1 Adience数据集 | 第59-65页 |
| 5.5.2 Gallagher数据集 | 第65-70页 |
| 5.5.3 本文方法与部分已发表论文对比 | 第70页 |
| 5.6 本章小结 | 第70-71页 |
| 第六章 人脸年龄识别系统 | 第71-74页 |
| 6.1 系统架构 | 第71-72页 |
| 6.2 年龄识别系统效果展示 | 第72-73页 |
| 6.3 本章小结 | 第73-74页 |
| 总结和展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |
