基于深度学习的年龄估计
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 论文算法框架 | 第18-19页 |
| 1.4 论文组织结构 | 第19-20页 |
| 第二章 人脸图像预处理 | 第20-32页 |
| 2.1 人脸年龄图像数据库 | 第20-23页 |
| 2.2 人脸检测 | 第23-32页 |
| 第三章 卷积神经网络的结构设计 | 第32-48页 |
| 3.1 多层前馈神经网络 | 第32-35页 |
| 3.1.1 单神经元 | 第32-34页 |
| 3.1.2 多层前馈神经网络 | 第34-35页 |
| 3.2 反向传导算法 | 第35-37页 |
| 3.3 卷积神经网络 | 第37-41页 |
| 3.3.1 卷积运算 | 第37页 |
| 3.3.2 卷积神经网络的结构 | 第37-38页 |
| 3.3.3 卷积层 | 第38-39页 |
| 3.3.4 池化层 | 第39-40页 |
| 3.3.5 全连接层和输出层 | 第40-41页 |
| 3.4 卷积神经网络训练 | 第41-44页 |
| 3.5 卷积神经网络的结构设计 | 第44-48页 |
| 第四章 特征降维与支持向量回归 | 第48-58页 |
| 4.1 主成分分析法 | 第48-50页 |
| 4.2 SVM支持向量机 | 第50-58页 |
| 4.2.1 线性支持向量机 | 第51-52页 |
| 4.2.2 非线性支持向量机 | 第52-53页 |
| 4.2.3 支持向量回归 | 第53-58页 |
| 第五章 实验结果分析 | 第58-66页 |
| 5.1 年龄估计的评价指标 | 第58页 |
| 5.2 实验步骤 | 第58-59页 |
| 5.3 实验结果分析 | 第59-66页 |
| 5.3.1 年龄段分类实验 | 第59-62页 |
| 5.3.2 年龄估计实验 | 第62-64页 |
| 5.3.3 系统的年龄估计误差分析 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |
