基于卷積神經(jīng)網(wǎng)絡(luò)的年齡估計(jì)
發(fā)布時(shí)間:2022-01-15 18:06
年齡估計(jì)在刑事偵查、失蹤人口追蹤、電子商務(wù)、智能人機(jī)交互、圖像檢索等領(lǐng)域具有重要的應(yīng)用,因而受到了國內(nèi)外研究者的重視。目前,人們已經(jīng)提出了很多不同的年齡估計(jì)算法,但這一問題仍未完全解決。當(dāng)訓(xùn)練集和測(cè)試集中的圖像來自于不同的域,例如來自不同的地區(qū)或民族,或者圖像采集條件不同時(shí),往往年齡估計(jì)的誤差較大。本文將神經(jīng)網(wǎng)絡(luò)方法和傳統(tǒng)機(jī)器學(xué)習(xí)方法相結(jié)合,針對(duì)這一問題進(jìn)行了研究,論文的主要工作如下:(1)提出了將卷積神經(jīng)網(wǎng)絡(luò)方法和隨機(jī)森林方法相結(jié)合的年齡估計(jì)方法。利用在IMDB-WIKI數(shù)據(jù)集上訓(xùn)練得到的用于年齡估計(jì)的卷積神經(jīng)網(wǎng)絡(luò)VGGILSVRC16來提取特征,對(duì)于輸入的圖像,經(jīng)過前向計(jì)算,得到網(wǎng)絡(luò)各層的輸出,將fc6和fc7層的輸出作為特征,對(duì)這兩層的特征進(jìn)行PCA降維,最后通過建立隨機(jī)森林模型進(jìn)行年齡估計(jì)。在FG-NET和Morph-II人臉數(shù)據(jù)集上對(duì)算法進(jìn)行了驗(yàn)證,實(shí)驗(yàn)結(jié)果表明該方法優(yōu)于各種傳統(tǒng)的年齡估計(jì)方法。(2)提出了將卷積神經(jīng)網(wǎng)絡(luò)方法和支持向量機(jī)回歸(SVR)相結(jié)合的年齡估計(jì)方法。運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)VGGILSVRC
【文章來源】:河北工業(yè)大學(xué)天津市 211工程院校
【文章頁數(shù)】:51 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 論文的主要研究內(nèi)容及結(jié)構(gòu)安排
1.3.1 論文的主要研究內(nèi)容
1.3.2 論文的結(jié)構(gòu)安排
第二章 深度學(xué)習(xí)
2.1 深度學(xué)習(xí)的產(chǎn)生與發(fā)展
2.2 神經(jīng)元模型
2.2.1 Sigmoid型函數(shù)
2.2.2 Relu函數(shù)
2.2.3 Softplus函數(shù)
2.3 前饋神經(jīng)網(wǎng)絡(luò)
2.4 反向傳播算法
第三章 隨機(jī)森林與支持向量回歸
3.1 隨機(jī)森林理論
3.1.1 決策樹
3.1.2 隨機(jī)森林
3.2 支持向量回歸理論
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的年齡估計(jì)
4.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
4.1.1 卷積層
4.1.2 下采樣層
4.2 基于卷積網(wǎng)絡(luò)和數(shù)學(xué)期望的年齡估計(jì)
4.3 基于卷積網(wǎng)絡(luò)和隨機(jī)森林的年齡估計(jì)
4.3.1 結(jié)合卷積網(wǎng)絡(luò)和隨機(jī)森林的年齡估計(jì)算法
4.3.2 實(shí)驗(yàn)結(jié)果與分析
4.4 基于卷積網(wǎng)絡(luò)和SVR的年齡估計(jì)
4.4.1 結(jié)合卷積網(wǎng)絡(luò)和SVR的年齡估計(jì)算法
4.4.2 實(shí)驗(yàn)結(jié)果與分析
第五章 結(jié)論
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間所取得的相關(guān)科研成果
致謝
【參考文獻(xiàn)】:
期刊論文
[1]人臉年齡估計(jì)和年齡面貌合成技術(shù)研究進(jìn)展[J]. 潘思宇,趙雯婷,唐鯤,馬新,葉健,李彩霞. 刑事技術(shù). 2017(04)
[2]基于分類與回歸混合模型的人臉年齡估計(jì)方法[J]. 趙一丁,田森平. 計(jì)算機(jī)應(yīng)用. 2017(07)
[3]基于殘差網(wǎng)絡(luò)人臉年齡估計(jì)[J]. 白昊洋,胡?,馬可心,高策. 電腦知識(shí)與技術(shù). 2017(14)
[4]基于人臉圖像的年齡估計(jì)[J]. 林時(shí)苗,毛曉蛟,楊育彬. 計(jì)算機(jī)科學(xué). 2015(06)
[5]基于稀疏表示的自動(dòng)年齡估計(jì)[J]. 李玲芝,梁毅雄,艾瑋,劉凌波. 中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(03)
[6]典型相關(guān)分析融合LBP和HOG特征的人臉年齡估計(jì)[J]. 瞿中,孔令軍,馮欣. 重慶大學(xué)學(xué)報(bào). 2014(04)
[7]基于Gabor小波與LBP直方圖序列的人臉年齡估計(jì)[J]. 黃兵,郭繼昌. 數(shù)據(jù)采集與處理. 2012(03)
[8]基于集成的年齡估計(jì)方法[J]. 張宇,周志華. 自動(dòng)化學(xué)報(bào). 2008(08)
[9]基于人工免疫識(shí)別系統(tǒng)的年齡估計(jì)[J]. 胡斕,夏利民. 計(jì)算機(jī)工程與應(yīng)用. 2006(26)
本文編號(hào):3591079
【文章來源】:河北工業(yè)大學(xué)天津市 211工程院校
【文章頁數(shù)】:51 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 論文的主要研究內(nèi)容及結(jié)構(gòu)安排
1.3.1 論文的主要研究內(nèi)容
1.3.2 論文的結(jié)構(gòu)安排
第二章 深度學(xué)習(xí)
2.1 深度學(xué)習(xí)的產(chǎn)生與發(fā)展
2.2 神經(jīng)元模型
2.2.1 Sigmoid型函數(shù)
2.2.2 Relu函數(shù)
2.2.3 Softplus函數(shù)
2.3 前饋神經(jīng)網(wǎng)絡(luò)
2.4 反向傳播算法
第三章 隨機(jī)森林與支持向量回歸
3.1 隨機(jī)森林理論
3.1.1 決策樹
3.1.2 隨機(jī)森林
3.2 支持向量回歸理論
第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的年齡估計(jì)
4.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
4.1.1 卷積層
4.1.2 下采樣層
4.2 基于卷積網(wǎng)絡(luò)和數(shù)學(xué)期望的年齡估計(jì)
4.3 基于卷積網(wǎng)絡(luò)和隨機(jī)森林的年齡估計(jì)
4.3.1 結(jié)合卷積網(wǎng)絡(luò)和隨機(jī)森林的年齡估計(jì)算法
4.3.2 實(shí)驗(yàn)結(jié)果與分析
4.4 基于卷積網(wǎng)絡(luò)和SVR的年齡估計(jì)
4.4.1 結(jié)合卷積網(wǎng)絡(luò)和SVR的年齡估計(jì)算法
4.4.2 實(shí)驗(yàn)結(jié)果與分析
第五章 結(jié)論
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間所取得的相關(guān)科研成果
致謝
【參考文獻(xiàn)】:
期刊論文
[1]人臉年齡估計(jì)和年齡面貌合成技術(shù)研究進(jìn)展[J]. 潘思宇,趙雯婷,唐鯤,馬新,葉健,李彩霞. 刑事技術(shù). 2017(04)
[2]基于分類與回歸混合模型的人臉年齡估計(jì)方法[J]. 趙一丁,田森平. 計(jì)算機(jī)應(yīng)用. 2017(07)
[3]基于殘差網(wǎng)絡(luò)人臉年齡估計(jì)[J]. 白昊洋,胡?,馬可心,高策. 電腦知識(shí)與技術(shù). 2017(14)
[4]基于人臉圖像的年齡估計(jì)[J]. 林時(shí)苗,毛曉蛟,楊育彬. 計(jì)算機(jī)科學(xué). 2015(06)
[5]基于稀疏表示的自動(dòng)年齡估計(jì)[J]. 李玲芝,梁毅雄,艾瑋,劉凌波. 中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(03)
[6]典型相關(guān)分析融合LBP和HOG特征的人臉年齡估計(jì)[J]. 瞿中,孔令軍,馮欣. 重慶大學(xué)學(xué)報(bào). 2014(04)
[7]基于Gabor小波與LBP直方圖序列的人臉年齡估計(jì)[J]. 黃兵,郭繼昌. 數(shù)據(jù)采集與處理. 2012(03)
[8]基于集成的年齡估計(jì)方法[J]. 張宇,周志華. 自動(dòng)化學(xué)報(bào). 2008(08)
[9]基于人工免疫識(shí)別系統(tǒng)的年齡估計(jì)[J]. 胡斕,夏利民. 計(jì)算機(jī)工程與應(yīng)用. 2006(26)
本文編號(hào):3591079
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3591079.html
最近更新
教材專著