基于深度卷积神经网络的人脸属性估计研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 年龄估计 | 第13-14页 |
| 1.2.2 亲属关系验证 | 第14-15页 |
| 1.2.3 人脸多属性估计 | 第15-17页 |
| 1.3 常用的人脸数据集介绍 | 第17-18页 |
| 1.4 本文的主要工作和创新点 | 第18-19页 |
| 1.5 论文的组织结构 | 第19-21页 |
| 第二章 CNN的理论介绍 | 第21-30页 |
| 2.1 CNN的特点与拓扑结构 | 第21-22页 |
| 2.2 CNN的理论推导 | 第22-25页 |
| 2.2.1 卷积层的学习 | 第22-24页 |
| 2.2.2 池化层的学习 | 第24-25页 |
| 2.3 常用的DCNN架构介绍 | 第25-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于DCNN的年龄估计 | 第30-43页 |
| 3.1 引言 | 第30-32页 |
| 3.2 标签分布参数自适应学习的年龄估计算法 | 第32-34页 |
| 3.2.1 训练DCNN | 第33-34页 |
| 3.2.2 提炼标签分布参数集合M | 第34页 |
| 3.3 实验 | 第34-41页 |
| 3.3.1 实验设置 | 第35-36页 |
| 3.3.2 实验结果及分析 | 第36-41页 |
| 3.3.3 可视化 | 第41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 基于DCNN的亲属关系验证 | 第43-59页 |
| 4.1 引言 | 第43-45页 |
| 4.2 边界阈值自适应三元组损失算法 | 第45-48页 |
| 4.3 实验 | 第48-58页 |
| 4.3.1 实验设置 | 第48-51页 |
| 4.3.2 测试设置和指标 | 第51页 |
| 4.3.3 实验结果及分析 | 第51-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 基于DCNN的人脸多属性估计 | 第59-72页 |
| 5.1 引言 | 第59-61页 |
| 5.2 位置压缩激励模块及网络框架 | 第61-65页 |
| 5.2.1 深度多任务网络框架 | 第61-63页 |
| 5.2.2 位置压缩激励模块 | 第63-65页 |
| 5.3 实验 | 第65-71页 |
| 5.3.1 实验设置 | 第65-67页 |
| 5.3.2 实验结果及分析 | 第67-70页 |
| 5.3.3 可视化 | 第70-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-75页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士期间所取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |
