基于集成卷积神经网络的人脸性别识别研究

《基于集成卷积神经网络的人脸性别识别研究》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、．．－、．／＇．■＇．‘．１．：＇－？？？．，．■道磯考如心乂葦Ｓｏｕ化ＣｈｉｎａＵｎｉｖｅｒｓｉｔｏｆＴｅｃｈｎｏｌｏｙｇｙ硕±学位论文．＇？．．＇．，．Ｖ‘．》是．■？夫－＇－■■ｉ■■■■＇基于集成卷积神经网络的人脸性别识别研究ｒ＇：ｉＶ＊？．？ｒ，■？？Ｊ：．，■■．．■．．．乱．，．．苗＇？．．．：．Ｖ；／：．，二．作者姓名吴泽银学科专业

2、计算机科学与技术指导教师义贵华教授所在学院计算机科学与工程学院论文提交日期２０１６年４月２８日．．：护—．ｒ／％户，．■■；．：＇？－？．＾．．．．．ResearchofFaceGenderClassificationBaseonAnEnsembleofConvolutionalNeuralNetworksADissertationSubmittedfortheDegreeofMasterCandidate：WuZeYinSupervisor：Prof.WenGuiHuaSouthC

3、hinaUniversityofTechnologyGuangzhou,ChinaＩＩ分类号ＴＰ３：１０５６１：学校代号学号：２０１３２０１３０２７３华南理工大学硕±学位论文基于集成卷积神经网络的人脸性别识别研究作者姓名：、职称：文贵华吴泽银指导教师姓名、教授申请学位级别：工学硕±学科专业名称：计算机科学与技术研究方向：机器学习与数据挖掘论文提交曰期《＊＾月曰：：々ｆ年月曰论文答辩曰期７《年＞／：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：倏体主席：荷．委员；乏Ｊ义欣碱

4、忌皆瞒午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，本论文不包含任。除了文中特别加Ｗ标注引用的内容外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，均已在文中Ｗ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。＾；居作者签名：蘇曰期年６月＾曰义Ｖ年Ｉ学位论文版权使用授权书邑Ｐ；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，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

5、存并向国家有关部口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；、手段、或它保存汇编学位，可允许采用影印缩印或其复制部部分内容一。论。电子和纸质论文的内容相致文本人文档的内容论于：本学位文属：曰）□，（密时间年月保密校保委员会审定为涉密学位＿＿。于日密适用本授权书＿年＿月＿解后＿意上，生和肴＾同在校园网发布供校内师与学校共享协议保密，论文电志社期刊（光盘版）子杂单位浏览；同意将本人学位提交中国学术的ＮＫＩ》论的全或分全文Ｃ《国知识源总，文部部出版和编入

6、中资库传播学位。内容＂＂ＶＷ上打）觸在相应方框内－。。販心欠＾签；；曰作名期者评：日导签期０指教师名户６心摘要近年来，深度学习的突破性发展引发了人工智能研究领域的新一轮热潮，智能硬件设备更新换代的飞速也对其起到重要的推动作用。人脸信息的提取和挖掘成为了学者们和互联网公司关注的巨大热点。人脸信息的识别目前已经被应用在视频监控、社交网络等多种实际场景中。本文主要研究人脸性别识别并实现了人脸性别识别视频监控系统。针对人脸性别识别这一课题，本文设计了一个选择性集成卷积神经网络算法，该算法中基本分类器的设计方式是选取基准数据库，让其与其他数

7、据库进行混合，再经过不同的卷积神经网络模型，得到多个基本分类器。然后采用选择集成算法，将基本分类器按照预测准确率的评判标准进行排序，选择较好的基本分类器进行集成。根据选择性集成卷积神经网络算法，本文使用Caffe深度学习框架，基于Feret数据集和Adience数据集进行实验，各训练了多个差异化的基本分类器。实验结果证明集成后要比准确率最高的基本分类器效果更好。实验中对比了选择性集成方法、全部集成方法和基于单个卷积神经网络集成方法，发现选择性集成方法在三种方法中效果最好，并且三种集成方法都优于准确率最高的基本分类器。而在实验需要的卷积神经网络模型上，

8、构建了3个卷积层数不同的卷积神经网络G_CNNS_4、G_CNNS_5、G_CNNS_6网络，并用这三个网络