| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 本课题研究背景与意义 | 第11-12页 |
| 1.2 人脸年龄识别的困难与挑战 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.3.1 人脸年龄识别中的特征方法 | 第13-14页 |
| 1.3.2 人脸年龄预测算法 | 第14页 |
| 1.3.3 基于深度学习的人脸年龄识别 | 第14页 |
| 1.4 本文的主要研究内容 | 第14-15页 |
| 1.5 本文章节安排 | 第15-16页 |
| 第2章 人脸图像预处理及卷积神经元网络 | 第16-46页 |
| 2.1 人脸图像预处理的作用和意义 | 第16-17页 |
| 2.2 人脸检测 | 第17-22页 |
| 2.2.1 基于人脸肤色模型 | 第17-18页 |
| 2.2.2 基于滑窗检测框架 | 第18-20页 |
| 2.2.3 基于卷积网络的人脸检测 | 第20-22页 |
| 2.3 人脸图像增强 | 第22-25页 |
| 2.3.1 对数变换 | 第22页 |
| 2.3.2 伽马变换 | 第22-24页 |
| 2.3.3 直方图均衡化 | 第24页 |
| 2.3.4 幅值受限的直方图自适应均衡化 | 第24-25页 |
| 2.4 结构归一化 | 第25-27页 |
| 2.4.1 关键点检测 | 第25-26页 |
| 2.4.2 关键点对齐 | 第26-27页 |
| 2.4.3 仿射变换 | 第27页 |
| 2.5 人脸图像的样本增容 | 第27-30页 |
| 2.6 卷积神经元网络的发展历史 | 第30-31页 |
| 2.7 卷积神经元网络的基本结构 | 第31-36页 |
| 2.7.1 卷积层 | 第32页 |
| 2.7.2 池化层 | 第32-33页 |
| 2.7.3 激活层 | 第33-35页 |
| 2.7.4 全联接层 | 第35页 |
| 2.7.5 Softmax层 | 第35-36页 |
| 2.8 卷积网络的经典结构 | 第36-38页 |
| 2.8.1 AlexNet | 第36页 |
| 2.8.2 GoogLeNet | 第36-37页 |
| 2.8.3 ResNet | 第37-38页 |
| 2.8.4 MobileNet | 第38页 |
| 2.9 卷积网络的训练算法 | 第38-39页 |
| 2.10 网络权值的初始化 | 第39页 |
| 2.10.1 高斯函数初始化 | 第39页 |
| 2.10.2 Xavier初始化 | 第39页 |
| 2.10.3 MSRA初始化 | 第39页 |
| 2.11 网络训练优化技术 | 第39-41页 |
| 2.11.1 BatchNorm | 第40页 |
| 2.11.2 Dropout | 第40-41页 |
| 2.12 卷积神经元网络的训练框架 | 第41-45页 |
| 2.12.1 Caffe | 第41-42页 |
| 2.12.2 PyTorch | 第42页 |
| 2.12.3 TensorFlow | 第42-45页 |
| 2.13 本章小结 | 第45-46页 |
| 第3章 人脸年龄识别系统实现与实验分析 | 第46-62页 |
| 3.1 人脸年龄识别算法原理分析及设计 | 第46-48页 |
| 3.2 人脸数据集 | 第48-49页 |
| 3.2.1 Adience数据集 | 第48页 |
| 3.2.2 CACD2000数据集 | 第48页 |
| 3.2.3 IMDB-WIKI数据集 | 第48页 |
| 3.2.4 MORPH数据集 | 第48页 |
| 3.2.5 ChaLearn数据集 | 第48-49页 |
| 3.2.6 数据集选用的考虑 | 第49页 |
| 3.3 实验样本生成 | 第49-54页 |
| 3.3.1 图像预处理程序实现 | 第50页 |
| 3.3.2 人脸检测 | 第50页 |
| 3.3.3 关键点对齐 | 第50-51页 |
| 3.3.4 人脸图像增强 | 第51-52页 |
| 3.3.5 对CLAHE算法的改进 | 第52-53页 |
| 3.3.6 年龄标签生成 | 第53页 |
| 3.3.7 训练样本增容 | 第53-54页 |
| 3.4 年龄识别准确性的评价指标 | 第54页 |
| 3.5 实验环境 | 第54-55页 |
| 3.6 网络模型结构 | 第55-56页 |
| 3.7 模型训练及评估程序实现 | 第56页 |
| 3.8 实验过程及结果分析 | 第56-59页 |
| 3.8.1 训练样本数量的影响 | 第56-57页 |
| 3.8.2 网络结构参数的影响 | 第57页 |
| 3.8.3 增加BatchNorm | 第57-58页 |
| 3.8.4 Dropout的影响 | 第58页 |
| 3.8.5 最优参数组合的网络训练 | 第58-59页 |
| 3.9 与现有算法的比较 | 第59-60页 |
| 3.10 照片人脸年龄识别应用实现 | 第60-61页 |
| 3.11 本章小结 | 第61-62页 |
| 第4章 总结与展望 | 第62-64页 |
| 4.1 总结 | 第62-63页 |
| 4.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间已发表、录用论文及参与科研项目情况 | 第70页 |