基于卷积神经网络的人脸年龄估计算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织架构 | 第15-16页 |
| 第2章 卷积神经网络及其相关理论 | 第16-28页 |
| 2.1 深度学习 | 第16页 |
| 2.2 卷积神经网络 | 第16-23页 |
| 2.2.1 卷积神经网络的特点 | 第17-18页 |
| 2.2.2 卷积神经网络的结构 | 第18-19页 |
| 2.2.3 卷积神经网络的训练 | 第19-23页 |
| 2.3 局部二值模式 | 第23-25页 |
| 2.3.1 LBP的基本原理 | 第23-24页 |
| 2.3.2 LBP的发展演化 | 第24-25页 |
| 2.4 图像预处理操作 | 第25-26页 |
| 2.4.1 图像灰度化 | 第25页 |
| 2.4.2 直方图均衡化 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 基于卷积神经网络的人脸年龄估计 | 第28-42页 |
| 3.1 卷积神经网络模型 | 第28-35页 |
| 3.1.1 方法及参数选择 | 第28-31页 |
| 3.1.2 网络模型 | 第31-32页 |
| 3.1.3 损失函数的改进 | 第32-34页 |
| 3.1.4 训练过程 | 第34-35页 |
| 3.2 实验与分析 | 第35-40页 |
| 3.2.1 数据集与评价指标 | 第35页 |
| 3.2.2 实验平台介绍 | 第35-36页 |
| 3.2.3 实验与分析 | 第36-40页 |
| 3.3 本章小结 | 第40-42页 |
| 第4章 基于集成卷积神经网络的人脸年龄估计 | 第42-54页 |
| 4.1 集成学习算法 | 第42-45页 |
| 4.1.1 构建基分类器的常见方法 | 第43-44页 |
| 4.1.2 基分类器的结合策略 | 第44-45页 |
| 4.2 集成卷积神经网络模型 | 第45-49页 |
| 4.3 实验结果与分析 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第62-64页 |
| 致谢 | 第64页 |
