基于人脸图像的年龄估计方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 年龄特征提取 | 第11-14页 |
| 1.2.2 年龄估计模式 | 第14-16页 |
| 1.3 人脸年龄数据库和性能评价指标 | 第16-18页 |
| 1.4 本文的研究内容和组织结构 | 第18-19页 |
| 第二章 卷积神经网络的理论基础 | 第19-33页 |
| 2.1 人工神经网络 | 第19-24页 |
| 2.1.1 基本概念 | 第19-20页 |
| 2.1.2 神经元和激活函数 | 第20-21页 |
| 2.1.4 前向及反向传播 | 第21-24页 |
| 2.2 卷积神经网络 | 第24-27页 |
| 2.2.1 基本概念 | 第24-25页 |
| 2.2.2 卷积层 | 第25-26页 |
| 2.2.3 池化层 | 第26-27页 |
| 2.3 神经网络的输出 | 第27-29页 |
| 2.4 CNN的优化技巧 | 第29-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于排序模式的年龄估计方法 | 第33-52页 |
| 3.1 基本思路 | 第33-36页 |
| 3.1.1 排序模式 | 第33-35页 |
| 3.1.2 基于CNN的特征学习 | 第35-36页 |
| 3.2 CNN的结构 | 第36-38页 |
| 3.3 基于排序模式的年龄编码策略 | 第38-42页 |
| 3.4 预处理步骤 | 第42-43页 |
| 3.5 由粗到细的CNN训练策略 | 第43-44页 |
| 3.6 实验设置和结果分析 | 第44-51页 |
| 3.6.1 数据集设置 | 第44-45页 |
| 3.6.2 实现细节 | 第45-46页 |
| 3.6.3 结果对比和分析 | 第46-51页 |
| 3.7 本章小结 | 第51-52页 |
| 第四章 基于多任务学习的年龄估计和性别识别 | 第52-63页 |
| 4.1 基本思路 | 第52-54页 |
| 4.2 多任务学习框架设计 | 第54-58页 |
| 4.3 实验设置和结果分析 | 第58-62页 |
| 4.3.1 数据集设置和实现细节 | 第58页 |
| 4.3.2 结果对比和分析 | 第58-62页 |
| 4.4 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 总结 | 第63页 |
| 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71页 |
