| 摘要 | 第4-6页 |
| 英文摘要 | 第6-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及研究意义 | 第14-15页 |
| 1.2 国内外研究动态 | 第15-16页 |
| 1.3 面临的主要问题和挑战 | 第16-18页 |
| 1.4 本文的研究目标 | 第18页 |
| 1.5 本文主要工作和创新点 | 第18-19页 |
| 1.6 本文的组织结构 | 第19-22页 |
| 第二章 人脸属性识别算法概述 | 第22-36页 |
| 2.1 基本概念 | 第22-30页 |
| 2.1.1 深度学习的基本概念 | 第22-25页 |
| 2.1.2 多任务学习的基本概念 | 第25-27页 |
| 2.1.3 多标记学习的基本概念 | 第27-28页 |
| 2.1.4 迁移学习的基本概念 | 第28-30页 |
| 2.2 人脸属性识别方法 | 第30-34页 |
| 2.2.1 基于深度学习的人脸属性识别方法 | 第30-31页 |
| 2.2.2 基于多任务学习的人脸属性识别方法 | 第31-32页 |
| 2.2.3 基于多标记学习的人脸属性识别方法 | 第32-33页 |
| 2.2.4 基于迁移学习的人脸属性识别方法 | 第33-34页 |
| 2.3 本章小结 | 第34-36页 |
| 第三章 基于多任务级联深度神经网络的人脸属性识别方法 | 第36-48页 |
| 3.1 导论 | 第36-37页 |
| 3.2 基于多任务级联深度神经网络的人脸属性识别方法 | 第37-42页 |
| 3.2.1 整体框架 | 第38-39页 |
| 3.2.2 CNN结构 | 第39-40页 |
| 3.2.3 训练 | 第40-42页 |
| 3.3 实验结果及其分析 | 第42-45页 |
| 3.3.1 数据集 | 第42-43页 |
| 3.3.2 不同任务的影响 | 第43页 |
| 3.3.3 与当前流行方法的比较 | 第43-45页 |
| 3.4 本章小结 | 第45-48页 |
| 第四章 基于多标记深度迁移网络的人脸属性识别方法 | 第48-74页 |
| 4.1 导论 | 第48-49页 |
| 4.2 基于多标记深度迁移网络的人脸属性识别方法 | 第49-58页 |
| 4.2.1 人脸检测网络 | 第50-51页 |
| 4.2.2 多标记学习网络 | 第51-54页 |
| 4.2.3 迁移学习网络 | 第54-57页 |
| 4.2.4 算法流程 | 第57-58页 |
| 4.3 实验结果及其分析 | 第58-73页 |
| 4.3.1 数据集 | 第58页 |
| 4.3.2 多标记学习网络的实验 | 第58-64页 |
| 4.3.3 提出方法的实验结果 | 第64-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 总结和未来工作 | 第74-76页 |
| 5.1 总结 | 第74-75页 |
| 5.2 未来工作 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 硕士期间参与的科研项目及发表论文 | 第82-84页 |
| 致谢 | 第84页 |