非限制环境下的人脸美丽分析与预测
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题来源 | 第11页 |
| ·研究背景和研究意义 | 第11-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·本文的主要内容与安排 | 第17-19页 |
| 第二章 大规模人脸美丽数据库的构建与分析 | 第19-28页 |
| ·引言 | 第19-20页 |
| ·人脸图像获取框架 | 第20-23页 |
| ·人脸检测及预处理模块 | 第21-22页 |
| ·性别分类及去重模块 | 第22-23页 |
| ·人工评分方案 | 第23-27页 |
| ·人脸美丽数据库分组 | 第24-25页 |
| ·评分尺度和评分环境 | 第25-26页 |
| ·有效性检验 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于浅层表观特征的人脸美丽预测 | 第28-43页 |
| ·引言 | 第28页 |
| ·特征脸算法 | 第28-29页 |
| ·自学习理论(Self-taught) | 第29-31页 |
| ·卷积受限波尔兹曼机 | 第31-33页 |
| ·K-means无监督图像编码 | 第33-35页 |
| ·K-Means特征编码模型 | 第33-34页 |
| ·分块编码策略 | 第34-35页 |
| ·实验结果及分析 | 第35-41页 |
| ·实验步骤及相关设置 | 第35-37页 |
| ·聚类类心数选取准则实验 | 第37-38页 |
| ·算法对比实验一 | 第38-39页 |
| ·算法对比实验二 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 多尺度K-Means特征学习算法 | 第43-56页 |
| ·引言 | 第43页 |
| ·多尺度目标结构特征 | 第43-45页 |
| ·基于多尺度K-means的人脸美学特征学习 | 第45-48页 |
| ·实验结果及分析 | 第48-54页 |
| ·算法性能对比实验 | 第48-51页 |
| ·不同规模人脸美丽数据库对算法性能的影响 | 第51-53页 |
| ·算法时间开销对比实验 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-59页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士期间成果 | 第64-65页 |
| 致谢 | 第65页 |
