| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 人脸图像和亲缘关系 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 人脸图像分析的研究现状 | 第13-15页 |
| 1.3.2 深度学习在人脸图像的应用 | 第15-16页 |
| 1.3.3 从人脸图像中识别人物关系研究现状 | 第16-17页 |
| 1.4 主要研究内容及创新点 | 第17-20页 |
| 1.4.1 人脸图像中人物关系识别的主要难点 | 第17-18页 |
| 1.4.2 主要研究内容 | 第18-19页 |
| 1.4.3 主要创新点 | 第19-20页 |
| 1.5 论文的组织结构 | 第20-21页 |
| 第二章 深度神经网络与特征提取 | 第21-31页 |
| 2.1 深度学习 | 第21-25页 |
| 2.1.1 浅层机器学习缺陷 | 第21-22页 |
| 2.1.2 深度学习定义与优势 | 第22-23页 |
| 2.1.3 深度神经网络 | 第23-25页 |
| 2.2 多层自编码器 | 第25-26页 |
| 2.3 深度卷积神经网络 | 第26-30页 |
| 2.3.1 卷积神经网络的特点 | 第27-29页 |
| 2.3.2 卷积神经网络的结构 | 第29-30页 |
| 2.4 基于深度神经网络的特征提取 | 第30-31页 |
| 第三章 基于深度卷积自编码网络学习关联特征 | 第31-49页 |
| 3.1 构建深度神经网络模型 | 第31-36页 |
| 3.1.1 构建深度卷积自编码网络(CNN-AE Net) | 第31-32页 |
| 3.1.2 构造深度ConvFID Net学习身份特征 | 第32-34页 |
| 3.1.3 构造深度AEFP Net学习关联特征 | 第34-36页 |
| 3.2 训练深度神经网络 | 第36-41页 |
| 3.2.1 训练数据预处理 | 第36-38页 |
| 3.2.2 有监督地训练深度神经网络 | 第38-41页 |
| 3.3 基于深度神经网络学习关联特征 | 第41-49页 |
| 第四章 基于深度学习识别人脸图像中的亲缘关系 | 第49-63页 |
| 4.1 人脸图像中的亲缘关系 | 第49-52页 |
| 4.1.1 人脸数据预处理 | 第49-51页 |
| 4.1.2 实验配置与标准 | 第51-52页 |
| 4.2 学习亲缘关系的关联特征 | 第52-56页 |
| 4.2.1 获取人物身份特征 | 第52-54页 |
| 4.2.2 学习人物间关联特征 | 第54-55页 |
| 4.2.3 算法实践与设计 | 第55-56页 |
| 4.3 结果与分析 | 第56-63页 |
| 4.3.1 基于深度学习的亲缘关系识别结果与分析 | 第56-58页 |
| 4.3.2 深度学习方法与浅层学习方法比较 | 第58-61页 |
| 4.3.3 深度学习方法与人眼观察比较 | 第61-63页 |
| 第五章 基于深度学习识别人脸图像中的自亲缘关系 | 第63-72页 |
| 5.1 识别自亲缘关系 | 第63-66页 |
| 5.1.1 人脸图像中的自亲缘关系 | 第63-64页 |
| 5.1.2 学习自亲缘关联特征 | 第64-65页 |
| 5.1.3 识别结果与分析 | 第65-66页 |
| 5.2 基于深度学习的年龄分层 | 第66-72页 |
| 5.2.1 基于深度神经网络的年龄分层 | 第66-68页 |
| 5.2.2 自亲缘关系中的年龄响应 | 第68-69页 |
| 5.2.3 年龄分层结果及分析 | 第69-72页 |
| 结束语 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 作者在学期间取得的学术成果 | 第80页 |