基于深度学习的人脸性别识别的研究与实现

发布时间：2024-01-25 16:22

　　近年来随着计算性能和样本数量等都得到了几何数量级的提高,深度学习得以发挥它的优势,在图像处理相关领域取得了突出的成就。人脸检测、特征提取、人脸识别等领域的研究已相对成熟,但基于人脸性别识别的研究依然相对空白。性别是人类的一种基本生物特征,越来越多的应用场合需要判别人脸图像的性别信息。本文基于Caffe深度学习框架的人脸性别识别方法。实验分为两组数据集,第一组为上半身人脸图像数据集20万张,其中男女训练/测试各5万张;第二组20万张人脸数据集是由第一组扣人脸而来,同样男女训练/测试各5万张。在Linux系统上分别实现LeNet、AlexNet、VGG-16等三个深度学习模型的性别识别。最后对三个深度模型从准确率、误失率、训练时间、收敛速度、生成模型大小及单张图像识别时间等方面进行了对比和分析。实验结果表明:三个深度学习模型上半身人脸数据集在准确率、误失率等方面均明显优于人脸数据集。训练时间、单张图像识别时间和模型文件大小等方面与模型本身相关,与数据集无关。VGG-16模型基于上半身人脸数据集准确率比LeNet模型提升5.3%,误失率降低约12%。而LeNet模型相对于VGG-16模型,图...

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
    1.3 文章结构
第二章 深度学习介绍
    2.1 Caffe深度学习框架简介
    2.2 Caffe深度学习框架网络结构及其原理
        2.2.1 数据层
        2.2.2 卷积层
        2.2.3 池化层
        2.2.4 激活层
        2.2.5 全连接层
        2.2.6 Loss层
        2.2.7 Accuracy层
    2.3 本章小结
第三章 实验环境与配置
    3.1 Caffe深度学习框架环境搭建
    3.2 Caffe深度学习框架实现过程
        3.2.1 数据准备
        3.2.2 制作标签
        3.2.3 制作LMDB
        3.2.4 生成均值文件
        3.2.5 编写模型描述文件
        3.2.6 编写Solver文件
        3.2.7 模型训练与测试
        3.2.8 本段总结
    3.3 本章小结
第四章 人脸性别识别实验对比与分析
    4.1 LeNet深度学习模型
        4.1.1 Le Net模型简介
        4.1.2 基于上半身人脸数据集
        4.1.3 基于人脸数据集
        4.1.4 Le Net模型总结
    4.2 Alex Net深度学习模型
        4.2.1 AlexNet模型简介
        4.2.2 基于上半身人脸数据集
        4.2.3 基于人脸数据集
        4.2.4 AlexNet模型总结
    4.3 VGG-16 深度学习模型
        4.3.1 VGG-16 模型简介
        4.3.2 基于上半身人脸数据集
        4.3.3 基于人脸数据集
        4.3.4 VGG-16 模型总结
    4.4 各模型对比
        4.4.1 测试准确率
        4.4.2 测试误失率
        4.4.3 训练收敛速度
        4.4.4 训练时间
        4.4.5 单张图像识别时间
        4.4.6 模型大小
        4.4.7 本段总结
    4.5 实验效果展示
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 不足与展望
参考文献
致谢



本文编号：3885153