近年來隨著計算性能和樣本數(shù)量等都得到了幾何數(shù)量級的提高,深度學(xué)習(xí)得以發(fā)揮它的優(yōu)勢,在圖像處理相關(guān)領(lǐng)域取得了突出的成就。人臉檢測、特征提取、人臉識別等領(lǐng)域的研究已相對成熟,但基于人臉性別識別的研究依然相對空白。性別是人類的一種基本生物特征,越來越多的應(yīng)用場合需要判別人臉圖像的性別信息。本文基于Caffe深度學(xué)習(xí)框架的人臉性別識別方法。實驗分為兩組數(shù)據(jù)集,第一組為上半身人臉圖像數(shù)據(jù)集20萬張,其中男女訓(xùn)練/測試各5萬張;第二組20萬張人臉數(shù)據(jù)集是由第一組扣人臉而來,同樣男女訓(xùn)練/測試各5萬張。在Linux系統(tǒng)上分別實現(xiàn)LeNet、AlexNet、VGG-16等三個深度學(xué)習(xí)模型的性別識別。最后對三個深度模型從準(zhǔn)確率、誤失率、訓(xùn)練時間、收斂速度、生成模型大小及單張圖像識別時間等方面進(jìn)行了對比和分析。實驗結(jié)果表明:三個深度學(xué)習(xí)模型上半身人臉數(shù)據(jù)集在準(zhǔn)確率、誤失率等方面均明顯優(yōu)于人臉數(shù)據(jù)集。訓(xùn)練時間、單張圖像識別時間和模型文件大小等方面與模型本身相關(guān),與數(shù)據(jù)集無關(guān)。VGG-16模型基于上半身人臉數(shù)據(jù)集準(zhǔn)確率比LeNet模型提升5.3%,誤失率降低約12%。而LeNet模型相對于VGG-16模型,圖...

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 文章結(jié)構(gòu)
第二章 深度學(xué)習(xí)介紹
    2.1 Caffe深度學(xué)習(xí)框架簡介
    2.2 Caffe深度學(xué)習(xí)框架網(wǎng)絡(luò)結(jié)構(gòu)及其原理
        2.2.1 數(shù)據(jù)層
        2.2.2 卷積層
        2.2.3 池化層
        2.2.4 激活層
        2.2.5 全連接層
        2.2.6 Loss層
        2.2.7 Accuracy層
    2.3 本章小結(jié)
第三章 實驗環(huán)境與配置
    3.1 Caffe深度學(xué)習(xí)框架環(huán)境搭建
    3.2 Caffe深度學(xué)習(xí)框架實現(xiàn)過程
        3.2.1 數(shù)據(jù)準(zhǔn)備
        3.2.2 制作標(biāo)簽
        3.2.3 制作LMDB
        3.2.4 生成均值文件
        3.2.5 編寫模型描述文件
        3.2.6 編寫Solver文件
        3.2.7 模型訓(xùn)練與測試
        3.2.8 本段總結(jié)
    3.3 本章小結(jié)
第四章 人臉性別識別實驗對比與分析
    4.1 LeNet深度學(xué)習(xí)模型
        4.1.1 Le Net模型簡介
        4.1.2 基于上半身人臉數(shù)據(jù)集
        4.1.3 基于人臉數(shù)據(jù)集
        4.1.4 Le Net模型總結(jié)
    4.2 Alex Net深度學(xué)習(xí)模型
        4.2.1 AlexNet模型簡介
        4.2.2 基于上半身人臉數(shù)據(jù)集
        4.2.3 基于人臉數(shù)據(jù)集
        4.2.4 AlexNet模型總結(jié)
    4.3 VGG-16 深度學(xué)習(xí)模型
        4.3.1 VGG-16 模型簡介
        4.3.2 基于上半身人臉數(shù)據(jù)集
        4.3.3 基于人臉數(shù)據(jù)集
        4.3.4 VGG-16 模型總結(jié)
    4.4 各模型對比
        4.4.1 測試準(zhǔn)確率
        4.4.2 測試誤失率
        4.4.3 訓(xùn)練收斂速度
        4.4.4 訓(xùn)練時間
        4.4.5 單張圖像識別時間
        4.4.6 模型大小
        4.4.7 本段總結(jié)
    4.5 實驗效果展示
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 不足與展望
參考文獻(xiàn)
致謝



本文編號：3885153