| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文结构 | 第13-15页 |
| 第二章 人脸美丽的相关理论技术基础 | 第15-30页 |
| 2.1 人脸美丽的评价预测模型 | 第15页 |
| 2.2 人脸美丽的评价预测模型的机器学习算法 | 第15-20页 |
| 2.2.1 线性回归 | 第17页 |
| 2.2.2 高斯回归 | 第17-18页 |
| 2.2.3 支持向量机回归 | 第18-19页 |
| 2.2.4 预测性能指标 | 第19-20页 |
| 2.3 人脸美丽吸引力的定量描述 | 第20-29页 |
| 2.3.1 基于几何特征的人脸美丽吸引力定量描述 | 第20-23页 |
| 2.3.2 基于Gabor纹理的人脸美丽吸引力定量描述 | 第23-25页 |
| 2.3.3 基于“仿生感知”的人脸美丽吸引力定量描述 | 第25-28页 |
| 2.3.4 基于小波特征的人脸美丽吸引力定量描述 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 人脸美丽评价数据库的构建 | 第30-42页 |
| 3.1 人脸美丽数据库介绍 | 第30-31页 |
| 3.2 数据收集 | 第31页 |
| 3.3 SCUT-FBP美丽吸引力分数的收集 | 第31-33页 |
| 3.4 SCUT-FBP数据库的数据分析 | 第33-36页 |
| 3.4.1 分数分布 | 第33-34页 |
| 3.4.2 标准差 | 第34-35页 |
| 3.4.3 自一致性 | 第35页 |
| 3.4.4 时间相关一致性 | 第35-36页 |
| 3.5 数据预处理 | 第36-40页 |
| 3.5.1 数据归一化 | 第37页 |
| 3.5.2 人脸特征点检测 | 第37-38页 |
| 3.5.3 旋转与位置平移变换数据库 | 第38-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 基于多种特征的实验结果分析 | 第42-55页 |
| 4.1 基于几何特征的人脸美丽吸引力实验结果分析 | 第42-43页 |
| 4.2 基于Gabor纹理的人脸美丽吸引力实验结果分析 | 第43页 |
| 4.3 基于CLM特征的人脸美丽吸引力实验结果分析 | 第43-44页 |
| 4.4 基于小波特征的人脸美丽吸引力实验结果分析 | 第44-45页 |
| 4.5 组合特征 | 第45-46页 |
| 4.6 旋转不变性和位置平移不变性的实验结果分析 | 第46-54页 |
| 4.6.1 旋转不变性 | 第46-49页 |
| 4.6.2 平移不变性 | 第49-52页 |
| 4.6.3 旋转与平移不变 | 第52-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 基于云平台的人脸美丽应用系统 | 第55-74页 |
| 5.1 SCUT-人脸美丽评价信息采集系统 | 第55-57页 |
| 5.2 颜值达芬奇系统的设计与实现 | 第57-72页 |
| 5.2.1 颜值达芬奇系统的设计架构 | 第58-59页 |
| 5.2.2 颜值达芬奇的组件分析 | 第59-67页 |
| 5.2.3 颜值达芬奇网站前端页面的实现 | 第67-70页 |
| 5.2.4 对比分析 | 第70-72页 |
| 5.3 本章小结 | 第72-74页 |
| 总结与展望 | 第74-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间取得的研究成果 | 第82-84页 |
| 致谢 | 第84-85页 |
| 附件 | 第85页 |
