基于卷积神经网络的人脸年龄估计方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-10页 |
| 1.1.3 研究的难点与挑战 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 1.4 本文章节安排 | 第13-14页 |
| 第二章 人脸年龄估计相关理论 | 第14-23页 |
| 2.1 年龄估计的算法流程 | 第14页 |
| 2.2 人脸年龄特征提取 | 第14-17页 |
| 2.2.1 LBP特征 | 第15页 |
| 2.2.2 BIF特征 | 第15-16页 |
| 2.2.3 卷积神经网络特征图 | 第16-17页 |
| 2.3 年龄估计的方法 | 第17-18页 |
| 2.4 人脸图像数据集 | 第18-21页 |
| 2.5 年龄估计的评价指标 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于标签分布的人脸年龄估计方法 | 第23-42页 |
| 3.1 卷积神经网络简介 | 第23-27页 |
| 3.1.1 卷积层 | 第24-25页 |
| 3.1.2 池化层 | 第25页 |
| 3.1.3 激活层 | 第25-26页 |
| 3.1.4 Dropout层 | 第26-27页 |
| 3.2 基于标签分布的年龄标签编码方式 | 第27-31页 |
| 3.2.1 单标签和多标签的编码方式 | 第28页 |
| 3.2.2 标签分布的编码方式 | 第28-30页 |
| 3.2.3 采用标签分布的反向传播 | 第30-31页 |
| 3.3 年龄估计模型 | 第31-34页 |
| 3.3.1 迁移学习 | 第31-33页 |
| 3.3.2 年龄估计流程 | 第33-34页 |
| 3.4 实验设置与结果分析 | 第34-41页 |
| 3.4.1 实验设置 | 第34-35页 |
| 3.4.2 实验结果与分析 | 第35-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 融合分类和回归模型的年龄估计方法 | 第42-58页 |
| 4.1 融合分类和回归模型的算法设计 | 第42-47页 |
| 4.1.1 融合分类和回归模型的构建思想 | 第42-44页 |
| 4.1.2 融合分类和回归的模型 | 第44-47页 |
| 4.2 融合分类和回归模型的年龄估计 | 第47-50页 |
| 4.2.1 模型的Inception模块 | 第47-48页 |
| 4.2.2 批量归一化层 | 第48-49页 |
| 4.2.3 改进的卷积神经网络模型 | 第49-50页 |
| 4.3 实验设置与结果分析 | 第50-56页 |
| 4.3.1 实验设置 | 第50-51页 |
| 4.3.2 实验结果分析 | 第51-56页 |
| 4.4 本章小结 | 第56-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间取得成果 | 第65-66页 |
