| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 年龄特征提取 | 第13-15页 |
| 1.2.2 年龄估计 | 第15-16页 |
| 1.3 本文的内容安排 | 第16-19页 |
| 第2章 深度学习简介和人脸年龄数据库 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 深度学习工作机制 | 第19-20页 |
| 2.3 深度学习发展现状 | 第20-25页 |
| 2.3.1 人工神经网络 | 第22页 |
| 2.3.2 卷积神经网络 | 第22-25页 |
| 2.4 人脸年龄数据库 | 第25-28页 |
| 2.4.1 FG-NET数据库 | 第26-27页 |
| 2.4.2 MORPH数据库 | 第27-28页 |
| 2.4.3 IMDB-WIKI数据库 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于PCANet特征学习模型的年龄估计 | 第29-46页 |
| 3.1 引言 | 第29-30页 |
| 3.2 深度学习PCANet网络模型 | 第30-36页 |
| 3.2.1 PCANet模型的卷积层 | 第30-34页 |
| 3.2.2 PCANet模型的非线性层 | 第34-35页 |
| 3.2.3 PCANet模型的特征抽取层 | 第35-36页 |
| 3.3 支持向量机回归介绍 | 第36-40页 |
| 3.4 实验结果及分析 | 第40-45页 |
| 3.4.1 实验设置 | 第41页 |
| 3.4.2 FG-NET数据集上实验结果与分析 | 第41-43页 |
| 3.4.3 MORPH数据集上实验结果与分析 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于深度PCA网络多特征表示模型的年龄估计 | 第46-55页 |
| 4.1 引言 | 第46页 |
| 4.2 MPCANet模型结构 | 第46-49页 |
| 4.2.1 MPCANet卷积层 | 第47-48页 |
| 4.2.2 MPCANet特征抽取层 | 第48-49页 |
| 4.3 实验设置 | 第49-54页 |
| 4.3.1 MPCANet模型的特征抽取层分块大小的影响 | 第50-51页 |
| 4.3.2 MPCANet模型的特征抽取层分块重叠率的影响 | 第51-52页 |
| 4.3.3 MPCANet模型和其他算法对比 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 基于深度迁移训练模型的人脸年龄估计 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 人脸年龄估计系统 | 第55-59页 |
| 5.2.1 年龄估计系统框架 | 第56-59页 |
| 5.2.2 间接回归估计年龄方法 | 第59页 |
| 5.3 实验设置及分析 | 第59-64页 |
| 5.3.1 实验设置 | 第59-61页 |
| 5.3.2 实验结果分析 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-68页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 个人简历、在学期间的研究成果以及发表论文 | 第76页 |
