基于集成卷积神经网络的人脸年龄识别研究

《基于集成卷积神经网络的人脸年龄识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Ｓｏｕ化ＣｈｉｎａＵｎｉｖｅｒｓｉｔｏｆＴｅｃｈｎｏｌｏｙｇｙ工程硕±学位论文ｖ．．－．．一－＊：，—．－基于集成卷积神经网络的人脸年龄巧别研究ｒ■－：．＇作者姓名李怀工程领域软件工程校内指导教师文贵华教授￣校外指导教师张宇高级工程师所在学院软件学院论文提交日期２０１６年５月ResearchofFaceAgeClassificationBaseonEnsembleConvolutionalNeuralNetworkADissertationSubm

2、ittedfortheDegreeofMasterCandidate：LiHuaiSupervisor：Prof.WenGuihuaS.E.ZhangYuSouthChinaUniversityofTechnologyGuangzhou,China分类号：TP3学校代号：10561学号:201321033634华南理工大学硕士学位论文基于集成卷积神经网络的人脸年龄识别研究作者姓名：李怀申请学位级别：工程硕士工程领域名称：软件工程校内指导教师姓名、职称：文贵华教授校外指导教师姓名、职称：张宇高级工程师论文形式：□产品研发□工程设计应用研究

3、□工程/项目管理□调研报告研究方向：商务智能论文提交日期：2016年5月1日论文答辩日期：2016年6月5日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：王振宇委员：彭新一李挥朱映波吴一民华南理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均己在文中明确方式标明。本人完全意识到本声明的法律后果由本人承担。、作者签

4、名：日期降＾月旧学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，良Ｐ：研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部ｎ或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外）；学校可Ｗ公布学位论文的全部或部分内容，可Ｗ允许采用影印、缩印或其它复制手段保存、汇编学位一论文。本人电子文档的内容和纸质论文的内容相致。本学位论文属于：□保密，（校保密委员会审定为涉密学位时间；年月日）＿＿＿＿＿＿于＿＿年月日解密后

5、适用本授权书。＿＿＿巧木保密，同意在校园网上发布，供校内师生和与学校有共享协议的单位浏览；同意将本人学位论文提交中国学术期刊（光盘版）电子杂志社全文出版和编入ＣＮＫＩ《中国知识资源总库》，传播学位论文的全部或部分内容。＂＂（请在Ｗ上相应方框内打Ｖ）．作者签名句、）日期；指导教师签名；日期；么如１＾、Ａ、＼作者联系电话；１电子邮箱；联系地址（含邮编）：摘要在信息化日益发展的今天，人们的生活越来越离不开互联网。伴着人机交互技术的快速发展，智能化的人机交互成为了时下研究的热点。在图像识别领域，基于

6、人脸图像的年龄识别，性别识别，情绪识别得到了越来越多的关注。其中，年龄识别在公安侦查，图像检索，智能监控等具有很大的应用价值。本文主要研究在实际环境下的人脸图像的年龄识别问题，不同于以往实验室标准环境下采集的人脸图像，实际环境下的人脸图像会有不同光照，不同角度和拍摄背景的影响，因此更具有现实意义和应用价值。本文使用卷积神经网络进行人脸图像的年龄识别问题的研究，首先采用对训练集图像进行旋转，RGB通道扰动和增加高斯噪声的方法对训练集进行了扩充，测试集则保持不变，在传统卷积神经网络的基础上，构建了用于人脸识别的卷积神经网络模型AGE_CNN。

7、实验证明，通过对训练集图像进行旋转，RGB通道扰动和增加高斯噪声的方法扩充训练集对卷积神经网络进行训练，在Adience和Gallagher数据集上的比不使用训练集扩充的方法准确率分别提高了1.4%和1.2%。本文还提出了使用集成卷积神经网络算法解决年龄识别问题，根据卷积神经网络的特点，构造了不同卷积核个数和卷积核大小的若干个卷积神经网络模型，通过大量实验，选出6个集成效果较好的卷积神经网络模型B_CNN_1，B_CNN_2，B_CNN_3，B_CNN_4，B_CNN_5，B_CNN_6作为集成分类器的基分类器。实验证明，在年龄识别问题上

8、，通过集成卷积神经网络的方法，年龄识别的准确率在Adience和Gallagher数据集上的效果比使用单个卷积神经网络要好，比现有论文最高准确率分别提高了3.4%和4.6%。最后，根据本文的提