本文關(guān)鍵詞：基于深度學(xué)習(xí)模型的人臉性別識(shí)別方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：在當(dāng)今信息化時(shí)代,如何準(zhǔn)確的識(shí)別一個(gè)人的身份、保護(hù)信息隱私安全,已經(jīng)成為當(dāng)今社會(huì)的關(guān)鍵問(wèn)題。隨著計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展,特別是模式識(shí)別、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)等領(lǐng)域,使得生物特征識(shí)別技術(shù)在近幾年內(nèi)取得了階段性突破。人臉是人類(lèi)最重要的生物特征之一,其中蘊(yùn)含了大量的生物信息,如性別、年齡、表情、人種等重要特征,所以在人機(jī)接口、機(jī)器人視覺(jué)、圖像視頻檢索以及身份識(shí)別中存在潛在的應(yīng)用價(jià)值,該項(xiàng)研究具有重大的研究意義。本課題研究了基于深度學(xué)習(xí)模型的人臉性別識(shí)別方法,并在FERET和CAS-PEAL-R1兩個(gè)人臉庫(kù)上,進(jìn)行人臉性別分類(lèi)的相關(guān)對(duì)比實(shí)驗(yàn)。然后,分別對(duì)棧式稀疏自編碼器模型和卷積神經(jīng)網(wǎng)絡(luò)模型提出了改進(jìn)方案,實(shí)驗(yàn)表明,改進(jìn)后的兩個(gè)模型,對(duì)于性別分類(lèi)任務(wù),分類(lèi)準(zhǔn)確率有著一定的提升。此外,為了提升模型預(yù)測(cè)結(jié)果的準(zhǔn)確性和穩(wěn)定性,本文還研究了模型組合方法,并改進(jìn)了組合模型中基模型的權(quán)重系數(shù)分配方法。實(shí)驗(yàn)表明,其分類(lèi)效果平均優(yōu)于各基模型的分類(lèi)效果,對(duì)分類(lèi)任務(wù)起著正向作用。最后,本課題基于組合后的模型開(kāi)發(fā)了一個(gè)實(shí)時(shí)人臉性別識(shí)別系統(tǒng)原型,并利用該系統(tǒng)模擬了一個(gè)商場(chǎng)廣告推薦場(chǎng)景。該系統(tǒng)以攝像頭采集到自然場(chǎng)景作為輸入,經(jīng)過(guò)模型計(jì)算,給出性別分類(lèi)結(jié)果,滿足系統(tǒng)實(shí)時(shí)響應(yīng)和高準(zhǔn)確率的要求,并且對(duì)于光照、遮擋、側(cè)臉情況具有一定的魯棒性。
【關(guān)鍵詞】：性別分類(lèi) 人臉識(shí)別 深度學(xué)習(xí) 半監(jiān)督學(xué)習(xí) 集成學(xué)習(xí)
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-14
• 1.1 研究背景與意義8-9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-11
• 1.3 論文的研究?jī)?nèi)容與主要貢獻(xiàn)11
• 1.4 論文的組織結(jié)構(gòu)11-14
• 第2章 深度學(xué)習(xí)模型基礎(chǔ)14-28
• 2.1 多層前饋網(wǎng)絡(luò)14-18
• 2.1.1 感知器單元15-16
• 2.1.2 反向傳播算法16-18
• 2.2 棧式稀疏自編碼器模型18-23
• 2.2.1 稀疏自編碼器18-20
• 2.2.2 目標(biāo)函數(shù)與求解20-22
• 2.2.3 棧式組合結(jié)構(gòu)22-23
• 2.3 卷積神經(jīng)網(wǎng)絡(luò)模型23-27
• 2.3.1 二維卷積與池化運(yùn)算24-25
• 2.3.2 目標(biāo)函數(shù)與求解25-27
• 2.4 本章小結(jié)27-28
• 第3章 數(shù)據(jù)預(yù)處理與模型評(píng)價(jià)28-32
• 3.1 實(shí)驗(yàn)環(huán)境28
• 3.2 人臉數(shù)據(jù)庫(kù)28-29
• 3.3 圖像預(yù)處理29-31
• 3.4 分類(lèi)模型評(píng)價(jià)指標(biāo)31
• 3.5 本章小結(jié)31-32
• 第4章 基于深度學(xué)習(xí)模型的人臉性別分類(lèi)方法32-46
• 4.1 基于棧式稀疏自編碼器模型的性別分類(lèi)實(shí)驗(yàn)32-35
• 4.1.1 模型改進(jìn)動(dòng)機(jī)與方法32-33
• 4.1.2 實(shí)驗(yàn)結(jié)果與分析33-35
• 4.2 基于卷積神經(jīng)網(wǎng)絡(luò)模型的性別分類(lèi)實(shí)驗(yàn)35-44
• 4.2.1 模型改進(jìn)動(dòng)機(jī)與方法35-37
• 4.2.2 實(shí)驗(yàn)結(jié)果與分析37-44
• 4.3 與前人方法對(duì)比分析44-45
• 4.4 本章小結(jié)45-46
• 第5章 基于模型組合的人臉性別分類(lèi)方法46-52
• 5.1 模型組合的改進(jìn)動(dòng)機(jī)與方法46-48
• 5.1.1 問(wèn)題描述與改進(jìn)動(dòng)機(jī)46
• 5.1.2 目標(biāo)函數(shù)定義46-47
• 5.1.3 目標(biāo)函數(shù)求解47-48
• 5.2 實(shí)驗(yàn)結(jié)果與分析48-50
• 5.2.1 基模型選擇48-49
• 5.2.2 參數(shù)設(shè)置49
• 5.2.3 實(shí)驗(yàn)結(jié)果49-50
• 5.3 本章小結(jié)50-52
• 第6章 實(shí)時(shí)人臉性別識(shí)別系統(tǒng)與應(yīng)用效果分析52-66
• 6.1 系統(tǒng)描述52-53
• 6.1.1 系統(tǒng)功能描述52
• 6.1.2 系統(tǒng)性能描述52-53
• 6.2 硬件與軟件環(huán)境53-54
• 6.2.1 硬件環(huán)境53-54
• 6.2.2 軟件環(huán)境54
• 6.3 實(shí)時(shí)系統(tǒng)實(shí)現(xiàn)過(guò)程54-55
• 6.4 應(yīng)用效果分析55-64
• 6.4.1 系統(tǒng)效果分析57-58
• 6.4.2 光照效果對(duì)比58-61
• 6.4.3 遮罩效果分析61-63
• 6.4.4 側(cè)臉效果分析63-64
• 6.5 本章小結(jié)64-66
• 結(jié)論66-68
• 參考文獻(xiàn)68-72
• 附錄A72-74
• 附錄B74-82
• 攻讀碩士學(xué)位期間所取得的研究成果82-84
• 致謝84

  本文關(guān)鍵詞：基于深度學(xué)習(xí)模型的人臉性別識(shí)別方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：508705