基于深度學(xué)習(xí)人臉識別技術(shù)的年齡估計算法研究.pdf

1、碩士學(xué)位論文題目基于深度學(xué)習(xí)人臉識別技術(shù)的年齡估計算法研究基于深度學(xué)習(xí)人臉識別技術(shù)的年齡估計算法研究英文題目英文題目TheheAgeAgeEstimationEstimationAlgithmAlgithmResearchResearchOfOfFaceFaceRecognitionRecognitionTechniqueTechniqueBasedBasedOnOnDeepDeepLearningLearning姓名黃浩學(xué)號51409

2、008所在學(xué)院工學(xué)院導(dǎo)師姓名閆敬文專業(yè)電子與通信工程入學(xué)日期2014.09.14答辯日期2017.05摘要I摘要近年來深度學(xué)習(xí)的研究在理論和運用方面都有了巨大進(jìn)展，深度學(xué)習(xí)因其獨有的特征學(xué)習(xí)方式，解決了傳統(tǒng)機器學(xué)習(xí)難以解決的人工特征選擇問題。本文針對人臉年齡估計問題提出運用深度學(xué)習(xí)技術(shù)提取與年齡最相關(guān)的特征，進(jìn)而進(jìn)行特征學(xué)習(xí)識別出人臉年齡信息。本論文把深度學(xué)習(xí)技術(shù)運用到人臉年齡估計中，主要工作內(nèi)容包括：（1）考察學(xué)習(xí)目前主流的人臉年齡估

3、計方法，選擇整理合適的數(shù)據(jù)集，設(shè)計合理的人臉年齡估計框架結(jié)構(gòu)。（2）人臉圖像的預(yù)處理和特征分析實驗。預(yù)處理包括圖像的灰度化、Gamma矯正和人臉對齊。特征分析實驗包括了LBP（局部二值特征）、Gab特征、SIFT特征、HOG特征，實驗結(jié)果顯示LBP特征和HOG特征在人臉年齡估計上的影響占主導(dǎo)地位。（3）提出基于Caffe深度學(xué)習(xí)框架的多層卷積神經(jīng)網(wǎng)絡(luò)算法，并將其運用到人臉年齡估計分類問題上，并與傳統(tǒng)方法（多特征特征融合SVM）進(jìn)行對比。

4、查閱有關(guān)深度學(xué)習(xí)相關(guān)資料，設(shè)計深度學(xué)習(xí)模型，通過對樣本預(yù)處理、對卷積池化層參數(shù)對比試驗、微調(diào)過程中學(xué)習(xí)率修正策略設(shè)計等手段得到最優(yōu)化神經(jīng)網(wǎng)絡(luò)模型。實驗結(jié)果顯示SVM在小樣本特征學(xué)習(xí)表現(xiàn)優(yōu)異但準(zhǔn)確率欠缺，而深度學(xué)習(xí)免去人工篩選特征操作且實驗準(zhǔn)確率高，但需要的數(shù)據(jù)量大。本論文的重點工作和創(chuàng)新點是提出基于深度學(xué)習(xí)Caffe框架的的多層卷積神經(jīng)網(wǎng)絡(luò)（3層卷積池化層3層全連接層）的多特征學(xué)習(xí)算法，經(jīng)過對人臉圖像隨機裁剪、CNN參數(shù)微調(diào)中的Batc