基于卷积神经网络的年龄估计

发布时间：2022-01-15 18:06

　　年龄估计在刑事侦查、失踪人口追踪、电子商务、智能人机交互、图像检索等领域具有重要的应用,因而受到了国内外研究者的重视。目前,人们已经提出了很多不同的年龄估计算法,但这一问题仍未完全解决。当训练集和测试集中的图像来自于不同的域,例如来自不同的地区或民族,或者图像采集条件不同时,往往年龄估计的误差较大。本文将神经网络方法和传统机器学习方法相结合,针对这一问题进行了研究,论文的主要工作如下:（1）提出了将卷积神经网络方法和随机森林方法相结合的年龄估计方法。利用在IMDB-WIKI数据集上训练得到的用于年龄估计的卷积神经网络VGG_ILSVRC₁6来提取特征,对于输入的图像,经过前向计算,得到网络各层的输出,将fc6和fc7层的输出作为特征,对这两层的特征进行PCA降维,最后通过建立随机森林模型进行年龄估计。在FG-NET和Morph-II人脸数据集上对算法进行了验证,实验结果表明该方法优于各种传统的年龄估计方法。（2）提出了将卷积神经网络方法和支持向量机回归（SVR）相结合的年龄估计方法。运用卷积神经网络VGG_ILSVRC

【文章来源】：河北工业大学天津市 211工程院校

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 论文的主要研究内容及结构安排
        1.3.1 论文的主要研究内容
        1.3.2 论文的结构安排
第二章 深度学习
    2.1 深度学习的产生与发展
    2.2 神经元模型
        2.2.1 Sigmoid型函数
        2.2.2 Relu函数
        2.2.3 Softplus函数
    2.3 前馈神经网络
    2.4 反向传播算法
第三章 随机森林与支持向量回归
    3.1 随机森林理论
        3.1.1 决策树
        3.1.2 随机森林
    3.2 支持向量回归理论
第四章 基于卷积神经网络的年龄估计
    4.1 卷积神经网络的结构
        4.1.1 卷积层
        4.1.2 下采样层
    4.2 基于卷积网络和数学期望的年龄估计
    4.3 基于卷积网络和随机森林的年龄估计
        4.3.1 结合卷积网络和随机森林的年龄估计算法
        4.3.2 实验结果与分析
    4.4 基于卷积网络和SVR的年龄估计
        4.4.1 结合卷积网络和SVR的年龄估计算法
        4.4.2 实验结果与分析
第五章 结论
    5.1 总结
    5.2 展望
参考文献
攻读学位期间所取得的相关科研成果
致谢


【参考文献】：
期刊论文
[1]人脸年龄估计和年龄面貌合成技术研究进展[J]. 潘思宇,赵雯婷,唐鲲,马新,叶健,李彩霞.  刑事技术. 2017(04)
[2]基于分类与回归混合模型的人脸年龄估计方法[J]. 赵一丁,田森平.  计算机应用. 2017(07)
[3]基于残差网络人脸年龄估计[J]. 白昊洋,胡睿康,马可心,高策.  电脑知识与技术. 2017(14)
[4]基于人脸图像的年龄估计[J]. 林时苗,毛晓蛟,杨育彬.  计算机科学. 2015(06)
[5]基于稀疏表示的自动年龄估计[J]. 李玲芝,梁毅雄,艾玮,刘凌波.  中南大学学报(自然科学版). 2015(03)
[6]典型相关分析融合LBP和HOG特征的人脸年龄估计[J]. 瞿中,孔令军,冯欣.  重庆大学学报. 2014(04)
[7]基于Gabor小波与LBP直方图序列的人脸年龄估计[J]. 黄兵,郭继昌.  数据采集与处理. 2012(03)
[8]基于集成的年龄估计方法[J]. 张宇,周志华.  自动化学报. 2008(08)
[9]基于人工免疫识别系统的年龄估计[J]. 胡斓,夏利民.  计算机工程与应用. 2006(26)



本文编号：3591079