基于半监督对抗自编码器的人脸自然演变研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 应用背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 第2章 人脸图像预处理 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 人脸图像数据库 | 第16-18页 |
| 2.2.1 FG-NET数据库 | 第16-17页 |
| 2.2.2 MORPH数据库 | 第17页 |
| 2.2.3 CACD2000数据库 | 第17页 |
| 2.2.4 UTKFace数据库 | 第17-18页 |
| 2.3 人脸定位 | 第18-24页 |
| 2.3.1 类Haar特征 | 第18-19页 |
| 2.3.2 积分图像 | 第19-21页 |
| 2.3.3 基于Ada Boost算法的人脸定位 | 第21-24页 |
| 2.4 人脸图像归一化 | 第24-27页 |
| 2.4.1 人脸图像旋转矫正 | 第24-26页 |
| 2.4.2 人脸图像缩放与裁剪 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于半监督对抗自编码器的人脸自然演变算法 | 第28-52页 |
| 3.1 引言 | 第28页 |
| 3.2 生成式对抗网络 | 第28-35页 |
| 3.2.1 GAN的基本原理 | 第28-29页 |
| 3.2.2 GAN的理论分析 | 第29-30页 |
| 3.2.3 最优判别模型 | 第30-32页 |
| 3.2.4 最优生成模型 | 第32-33页 |
| 3.2.5 参数优化和训练过程 | 第33-35页 |
| 3.3 半监督对抗自编码器 | 第35-40页 |
| 3.3.1 自动编码器 | 第35-37页 |
| 3.3.2 对抗自动编码器 | 第37-38页 |
| 3.3.3 半监督对抗自编码器 | 第38-39页 |
| 3.3.4 基于半监督对抗自编码器的CAAE算法 | 第39-40页 |
| 3.4 对CAAE算法改进的依据 | 第40-41页 |
| 3.5 基于半监督对抗自编码器的CAAE+算法 | 第41-51页 |
| 3.5.1 潜在空间 | 第41-43页 |
| 3.5.2 编码器E | 第43-44页 |
| 3.5.3 生成器G | 第44-46页 |
| 3.5.4 目标函数 | 第46-47页 |
| 3.5.5 判别器D_z | 第47-49页 |
| 3.5.6 判别器D_(img) | 第49-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 实验评估 | 第52-66页 |
| 4.1 实验环境 | 第52页 |
| 4.2 模型有效性评价 | 第52-56页 |
| 4.2.1 评价准则 | 第52-53页 |
| 4.2.2 评价方法 | 第53-56页 |
| 4.3 实验与分析 | 第56-65页 |
| 4.3.1 数据收集 | 第56-57页 |
| 4.3.2 CAAE+算法的实施 | 第57-58页 |
| 4.3.3 年龄估计实验及结果分析 | 第58-61页 |
| 4.3.4 身份识别实验及结果分析 | 第61-65页 |
| 4.4 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74页 |
