基于深度学习的人脸表情识别
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13页 |
| 1.4 本文组织结构 | 第13-16页 |
| 第二章 相关理论基础 | 第16-32页 |
| 2.1 人脸表情识别 | 第16-21页 |
| 2.1.1 图像获取 | 第16页 |
| 2.1.2 人脸检测定位与预处理 | 第16-17页 |
| 2.1.3 表情特征提取 | 第17-19页 |
| 2.1.4 表情分类 | 第19-21页 |
| 2.2 深度学习 | 第21-30页 |
| 2.2.1 卷积神经网络 | 第22-27页 |
| 2.2.2 受限玻尔兹曼机 | 第27-28页 |
| 2.2.3 自动编码器 | 第28-29页 |
| 2.2.4 稀疏编码 | 第29-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第三章 基于学习率优化的CNN强化训练方法 | 第32-40页 |
| 3.1 引言 | 第32-33页 |
| 3.2 CNN训练方法 | 第33-36页 |
| 3.3 CNN训练的强化 | 第36-38页 |
| 3.3.1 学习率的优化 | 第36-38页 |
| 3.3.2 学习率的调节 | 第38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于CNN与SVM相结合的人脸表情识别 | 第40-48页 |
| 4.1 引言 | 第40页 |
| 4.2 表情数据预处理 | 第40-42页 |
| 4.2.1 数据平衡 | 第41页 |
| 4.2.2 数据扩增 | 第41-42页 |
| 4.3 基于CNN的表情特征提取 | 第42-45页 |
| 4.4 基于SVM的表情分类 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 实验设计与分析 | 第48-58页 |
| 5.1 实验准备 | 第48-50页 |
| 5.2 CNN强化训练实验结果与分析 | 第50-52页 |
| 5.3 表情识别结果与分析 | 第52-56页 |
| 5.3.1 CNN参数对实验的影响 | 第52-54页 |
| 5.3.2 数据预处理对实验的影响 | 第54-56页 |
| 5.3.3 SVM分类器对实验的影响 | 第56页 |
| 5.4 与其他表情识别方法的对比 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-62页 |
| 6.1 研究工作总结 | 第58-59页 |
| 6.2 未来工作展望 | 第59-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 附录 | 第70-71页 |
| 详细摘要 | 第71-73页 |
