| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题背景及意义 | 第10-13页 |
| 1.1.1 引言 | 第10-11页 |
| 1.1.2 挑战 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本论文主要研究内容 | 第16-17页 |
| 1.4 本论文结构安排 | 第17-18页 |
| 第二章 人脸图像预处理 | 第18-27页 |
| 2.1 像素灰度化 | 第19-20页 |
| 2.2 图像降噪 | 第20-21页 |
| 2.3 基于关键特征点的人脸对齐 | 第21-25页 |
| 2.3.1 LandMark（关键特征点） | 第21-23页 |
| 2.3.2 基于仿射变换的人脸对齐 | 第23页 |
| 2.3.3 实验设计 | 第23-25页 |
| 2.4 基于LandMark的语义分割 | 第25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于面部特征的肤龄研究 | 第27-40页 |
| 3.1 引言 | 第27-28页 |
| 3.2 皮肤特征提取 | 第28-33页 |
| 3.2.1 底层像素特征—LBP | 第28-31页 |
| 3.2.2 高层语义特征—BSIF | 第31-33页 |
| 3.3 实验设计与结果分析 | 第33-37页 |
| 3.3.1 实验设计 | 第33-34页 |
| 3.3.2 结果分析 | 第34-37页 |
| 3.4 基于视觉认知的肤龄模型 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于SVM的年龄分类研究 | 第40-54页 |
| 4.1 面部特征提取算法研究 | 第40-44页 |
| 4.1.1 PCA特征 | 第40-41页 |
| 4.1.2 Gabor特征 | 第41-44页 |
| 4.1.3 HOG特征 | 第44页 |
| 4.2 SVM简介 | 第44-47页 |
| 4.2.1 线性支持向量机 | 第44-45页 |
| 4.2.2 非线性支持向量机 | 第45-47页 |
| 4.3 年龄研究的评价标准 | 第47页 |
| 4.4 实验设计与结果分析 | 第47-51页 |
| 4.4.1 实验设计 | 第48-49页 |
| 4.4.2 结果分析 | 第49-51页 |
| 4.5 2-off年龄分类模型 | 第51-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第五章 基于深层卷积神经网络的年龄分类研究 | 第54-71页 |
| 5.1 神经网络简介 | 第54-56页 |
| 5.1.1 人工神经网络 | 第55页 |
| 5.1.2 ReLU激励函数 | 第55-56页 |
| 5.2 卷积神经网络 | 第56-61页 |
| 5.2.1 卷积神经网络结构 | 第57页 |
| 5.2.2 局部感知与权值共享 | 第57-60页 |
| 5.2.3 SoftMax回归模型 | 第60-61页 |
| 5.3 Dropout防止过拟合 | 第61-63页 |
| 5.4 Data Augmentation防止过拟合 | 第63-64页 |
| 5.5 年龄序列损失函数定义 | 第64-65页 |
| 5.6 实验设计与结果分析 | 第65-70页 |
| 5.6.1 实验设计 | 第65-68页 |
| 5.6.2 结果分析 | 第68-70页 |
| 5.7 本章小结 | 第70-71页 |
| 第六章 总结和展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻硕期间取得的研究成果 | 第78-79页 |