人脸年龄估计与老化合成方法研究

发布时间：2021-03-16 16:06

　　近年来,人脸分析伴随着人机交互、安全监控和娱乐领域市场的打开,成为计算机视觉中应用最为热门的课题之一。人脸年龄属性是人类身份识别的重要依据,虽然人脸年龄估计和老化合成技术在近几年得到了较大的发展,但仍旧存在许多困难与挑战。一方面,人脸老化是一个缓慢且不可逆的形状和纹理变化过程,遵循着一定的老化规律,同时也受性别、种族、生活习惯等多种因素的影响;另一方面,人脸年龄数据集难以满足现有许多年龄估计和老化合成方法的需求。因此,在人脸年龄估计与老化合成问题的研究上仍需继续努力和创新。本文主要利用卷积神经网络（Convolutional Neural Network,CNN）和深度卷积生成对抗网络（Deep Convolutional Generative Adversarial Networks,DCGAN）,分别研究人脸图像的年龄估计与老化合成问题。本文主要研究工作如下:（1）提出一种基于卷积神经网络的多标签年龄估计方法。与大多数传统年龄估计方法不同,该方法没有显式的特征提取和年龄估计阶段,通过训练多输出的卷积神经网络直接实现端到端的年龄估计。首先,充分利用相邻年龄之间人脸特征的微变性,将单年... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

最大池化操作示意图

Sigmoid函数曲线和导数曲线

Tanh函数曲线和导数曲线


本文编号：3086268