| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-14页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 主要研究内容与组织结构 | 第13-14页 |
| 第二章 相关理论介绍 | 第14-32页 |
| 2.1 传统的人脸属性识别方法 | 第14-22页 |
| 2.1.1 LBP特征 | 第14-19页 |
| 2.1.2 HOG特征 | 第19-22页 |
| 2.2 人工神经网络 | 第22-26页 |
| 2.2.1 人工神经网络的层结构 | 第22-23页 |
| 2.2.2 激活函数 | 第23-26页 |
| 2.3 卷积神经网络 | 第26-31页 |
| 2.3.1 卷积神经网络的核心理念 | 第26-29页 |
| 2.3.2 卷积神经网络的基本结构 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于深度卷积神经网络的多标签人脸属性识别研究 | 第32-55页 |
| 3.1 问题分析 | 第32-34页 |
| 3.1.1 遇到的问题 | 第32-33页 |
| 3.1.2 解决方法 | 第33-34页 |
| 3.2 深度卷积神经网络模型 | 第34-39页 |
| 3.2.1 网络模型概述 | 第36页 |
| 3.2.2 网络模型细节 | 第36-39页 |
| 3.3 实验与分析 | 第39-51页 |
| 3.3.1 实验环境 | 第39页 |
| 3.3.2 数据的准备 | 第39-41页 |
| 3.3.3 网络的训练 | 第41-43页 |
| 3.3.4 比较实验与结果分析 | 第43-47页 |
| 3.3.5 预训练策略 | 第47-51页 |
| 3.4 特征图谱的可视化 | 第51-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 基于卷积神经网络的年龄和性别分类研究 | 第55-66页 |
| 4.1 问题分析 | 第55-56页 |
| 4.1.1 遇到的问题 | 第55-56页 |
| 4.1.2 解决方法 | 第56页 |
| 4.2 基于卷积神经网络的年龄和性别分类 | 第56-60页 |
| 4.2.1 基于浅层卷积神经网络的年龄和性别分类 | 第56-57页 |
| 4.2.2 调整AlexNet模型用于年龄和性别分类 | 第57-59页 |
| 4.2.3 调整VGG-Face模型用于年龄和性别分类 | 第59-60页 |
| 4.3 实验与分析 | 第60-64页 |
| 4.3.1 实验环境 | 第60页 |
| 4.3.2 数据的准备 | 第60-61页 |
| 4.3.3 网络的训练 | 第61页 |
| 4.3.4 实验结果与分析 | 第61-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间已发表的论文 | 第72-73页 |
| 致谢 | 第73页 |
