深度卷积神经网络技术研究及其在人脸分析中的应用计算机科学与技术专业论文.docxVIP

＼删必厦门大学学位论文著作权使用声明 ＼删必 厦门大学学位论文著作权使用声明 本人同意厦门大学根据《中华人民共和国学位条例暂行实施办法》 等规定保留和使用此学位论文，并向主管部门或其指定机构送交学位论 文(包括纸质版和电子版)，允许学位论文进入厦门大学图书馆及其数 据库被查阅、借阅。本人同意厦门大学将学位论文加入全国博士、硕士 学位论文共建单位数据库进行检索，将学位论文的标题和摘要汇编出 版，采用影印、缩印或者其它方式合理复制学位论文。 本学位论文属于： ( ) 1．经厦门大学保密委员会审查核定的保密学位论文，于 年 月 日解密，解密后适用上述授权。 (v／) 2．不保密，适用上述授权。 (请在以上相应括号内打“／或”填上相应内容。保密学位论文应是 已经厦门大学保密委员会审定过的学位论文，未经厦门大学保密委员会 审定的学位论文均为公开学位论文。此声明栏不填写的，默认为公开学 位论文，均适用上述授权。) 声明人(签名)：陈目／f易 zol c年，月f c1日 万方数据 摘要人脸分析是当前计算机视觉、模式识别和机器学习等领域的热门研究课题之一， 摘要 人脸分析是当前计算机视觉、模式识别和机器学习等领域的热门研究课题之一， 得到了广泛的关注。人脸分析主要通过人脸图像来分析出人脸的各类信息，如：人 脸身份、人脸表情、人脸年龄、人脸性别等。人脸分析在智能人机交互以及身份认 证等领域中具有重要的研究意义和实际应用价值。但是由于人脸图像中存在着巨大 的可变性，人脸分析问题面临着许多的挑战。另一方面，深度学习是近年来一个非 常热门的研究课题，其通过大量的数据，自动地从数据中提取有效的特征表示，并 用于后续的分类、回归等任务。这其中深度卷积神经网络已经在图像识别、语音识 别、自然语言处理等领域展开了深入的研究并取得了良好的性能表现。因此，研究 利用深度卷积神经网络技术进行人脸分析是一项既富有挑战又具有实际意义的工 作。本文的主要工作具体如下： 本文首先广泛调研了现有的深度学习方法及分类，介绍了常见的几种深度学习 模型，并着重介绍了常用的深度卷积神经网络方法，并综述了深度学习在人脸相关 领域中的应用研究现状。 其次，本文分析了基于深度学习的目标检测方法，并讨论了将深度学习应用于人 脸检测问题中。针对训练人脸分类器中样本选择等问题，本文提出了基于Bootstrap 的深度学习人脸检测方法，在FDDB和AFW人脸检测评测数据库中，分别提高了 2％和2．1％的检测率。 紧接着，本文系统地介绍了基于深度学习的人脸识别方法，并分析和比较在人 脸特征提取中进行训练网络的各种方法的优点和缺点。在此基础上，我们提出了一 种基于混合训练的深度人脸特征提取方法，将训练基于Triplet的深度模型的时间 缩短到4天。并在多个任务中验证了本文提出方法的有效性。 此外，针对深度神经网络学习的特征具有从粗到细、从简单到复杂的特点，本文 提出了一种基于多任务学习的人脸属性识别方法，在Adience数据库中，人脸年龄估 计准确率从单任务的48．3％提高到51．4％，性别分类准确率由84．7％提高到87．6％， 万方数据 深度卷积神经网络技术研究及其在人脸分析中的应用并在包括人脸微笑、人脸吸引力识别等多个任务中验证了本文提出方法的有效性。 深度卷积神经网络技术研究及其在人脸分析中的应用 并在包括人脸微笑、人脸吸引力识别等多个任务中验证了本文提出方法的有效性。 关键词：深度学习；卷积神经网络；人脸检测；人脸识别；人脸属性识别 一II— 万方数据 AbstractFace Abstract Face analysis is one of the hottest research topics in computer vision，pattern recogni— tion and machine learning，which has received widespread attention．Face analysis is mainly to analyse a person’8 all kinds of information by using the face images，includ— ing the identity of the face，facial expression，ages，gender and on．Face analysis has important significance and practical value in human—computer interaction and intelligent authentication and other applications．However