基于循环神经网络的人脸图像老化方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 人脸图像老化研究现状 | 第9-11页 |
| 1.2.2 人脸图像老化效果评判标准 | 第11页 |
| 1.3 人脸图像老化数据库 | 第11-14页 |
| 1.4 本文主要研究内容及组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 基于SDM的人脸特征点标定 | 第16-24页 |
| 2.1 Procrustes分析 | 第16-17页 |
| 2.2 SDM算法原理 | 第17-21页 |
| 2.3 实验结果与分析 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 人脸姿态矫正 | 第24-30页 |
| 3.1 线性回归方程 | 第24-26页 |
| 3.2 人脸姿态矫正算法 | 第26-28页 |
| 3.2.1 人脸滚转角矫正 | 第26-27页 |
| 3.2.2 人脸偏航角矫正 | 第27-28页 |
| 3.2.3 人脸俯仰角矫正 | 第28页 |
| 3.3 实验结果与分析 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 基于循环神经网络的人脸图像老化建模 | 第30-47页 |
| 4.1 奇异值分解 | 第30-32页 |
| 4.2 感知机 | 第32页 |
| 4.3 循环神经网络 | 第32-34页 |
| 4.4 长短期记忆网络 | 第34-37页 |
| 4.5 门循环单元网络训练算法 | 第37-41页 |
| 4.5.1 前向传播算法 | 第37-38页 |
| 4.5.2 反向传播算法 | 第38-39页 |
| 4.5.3 训练优化算法 | 第39-41页 |
| 4.6 基于循环神经网络的编码与解码 | 第41-42页 |
| 4.7 实验结果及分析 | 第42-46页 |
| 4.8 本章小结 | 第46-47页 |
| 第5章 人脸图像老化效果评估 | 第47-58页 |
| 5.1 卷积神经网络结构 | 第48-51页 |
| 5.1.1 卷积层 | 第48-50页 |
| 5.1.2 池化层 | 第50页 |
| 5.1.3 全连接层 | 第50-51页 |
| 5.2 深度卷积神经网络训练算法 | 第51-54页 |
| 5.2.1 前向传播算法 | 第51-52页 |
| 5.2.2 反向传播算法 | 第52-54页 |
| 5.3 实验结果及分析 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 在学研究成果 | 第62-63页 |
| 致谢 | 第63页 |
