近年來,人臉分析伴隨著人機交互、安全監(jiān)控和娛樂領域市場的打開,成為計算機視覺中應用最為熱門的課題之一。人臉年齡屬性是人類身份識別的重要依據(jù),雖然人臉年齡估計和老化合成技術在近幾年得到了較大的發(fā)展,但仍舊存在許多困難與挑戰(zhàn)。一方面,人臉老化是一個緩慢且不可逆的形狀和紋理變化過程,遵循著一定的老化規(guī)律,同時也受性別、種族、生活習慣等多種因素的影響;另一方面,人臉年齡數(shù)據(jù)集難以滿足現(xiàn)有許多年齡估計和老化合成方法的需求。因此,在人臉年齡估計與老化合成問題的研究上仍需繼續(xù)努力和創(chuàng)新。本文主要利用卷積神經(jīng)網(wǎng)絡（Convolutional Neural Network,CNN）和深度卷積生成對抗網(wǎng)絡（Deep Convolutional Generative Adversarial Networks,DCGAN）,分別研究人臉圖像的年齡估計與老化合成問題。本文主要研究工作如下:（1）提出一種基于卷積神經(jīng)網(wǎng)絡的多標簽年齡估計方法。與大多數(shù)傳統(tǒng)年齡估計方法不同,該方法沒有顯式的特征提取和年齡估計階段,通過訓練多輸出的卷積神經(jīng)網(wǎng)絡直接實現(xiàn)端到端的年齡估計。首先,充分利用相鄰年齡之間人臉特征的微變性,將單年... 

【文章來源】：武漢理工大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

最大池化操作示意圖

Sigmoid函數(shù)曲線和導數(shù)曲線

Tanh函數(shù)曲線和導數(shù)曲線


本文編號：3086268