| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 人脸年龄特征特点 | 第12页 |
| 1.2.2 人脸年龄值估计 | 第12-13页 |
| 1.2.3 人脸特征提取算法 | 第13-14页 |
| 1.3 论文主要工作和研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 人脸年龄属性基础理论与密集型网络起源 | 第16-35页 |
| 2.1 常用人脸年龄数据集介绍 | 第16-21页 |
| 2.2 人脸年龄估计算法 | 第21-29页 |
| 2.2.1 传统人脸年龄特征提取算法 | 第21-26页 |
| 2.2.2 神经网络人脸年龄特征提取算法 | 第26-29页 |
| 2.3 密集型网络起源以及完善 | 第29-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于密集型网络的人脸年龄估计 | 第35-54页 |
| 3.1 人脸年龄估计算法流程 | 第35-36页 |
| 3.2 人脸图像预处理 | 第36-38页 |
| 3.2.1 人脸检测 | 第36-37页 |
| 3.2.2 人脸对齐 | 第37-38页 |
| 3.2.3 人脸裁剪 | 第38页 |
| 3.3 密集型网络框架 | 第38-41页 |
| 3.3.1 密集型网络引用构思及介绍 | 第38-39页 |
| 3.3.2 密集型网络整体组成 | 第39-41页 |
| 3.4 基于密集型网络特征提取和分类 | 第41-48页 |
| 3.4.1 激活函数选择 | 第42-43页 |
| 3.4.2 损失函数选择 | 第43页 |
| 3.4.3 池化层选择 | 第43-48页 |
| 3.5 密集型网络改进 | 第48-53页 |
| 3.5.1 改进密集型网络DenseNet-ED网络 | 第48-50页 |
| 3.5.2 改进型DenseNet-ED网络实验验证 | 第50-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第4章 密集型网络学习率优化 | 第54-63页 |
| 4.1 密集型网络调优 | 第54页 |
| 4.2 密集型网络学习率调优算法 | 第54-57页 |
| 4.3 学习率振荡收缩调优衰减算法 | 第57-60页 |
| 4.4 学习率调优实验验证 | 第60-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 实验结果与分析 | 第63-72页 |
| 5.1 实验设置 | 第63页 |
| 5.2 改进密集型网络DenseNet-ED实验效果 | 第63-64页 |
| 5.3 学习率调优对实验性能的影响 | 第64-67页 |
| 5.3.1 初始学习率的不同设置对模型准确率和损失值的影响 | 第64-65页 |
| 5.3.2 学习率步衰方式的不同对模型准确率和损失值的影响 | 第65-67页 |
| 5.4 不同人脸年龄估计算法实验效果对比及分析 | 第67-68页 |
| 5.5 模型效果及性能评估 | 第68-71页 |
| 5.6 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士期间承担的科研任务与主要成果 | 第79-80页 |
| 致谢 | 第80页 |
