基于深度学习人脸表情特征研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 问题的提出及研究意义 | 第8-9页 |
| 1.1.1 问题的提出 | 第8页 |
| 1.1.2 研究的意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 人脸表情特征分析研究现状 | 第9-10页 |
| 1.2.2 深度学习研究现状 | 第10-12页 |
| 1.3 文研究的目的和研究内容 | 第12-14页 |
| 1.3.1 本文研究的目的 | 第12页 |
| 1.3.2 本文研究主要内容 | 第12-14页 |
| 2 人脸表情识别基本原理 | 第14-29页 |
| 2.1 引言 | 第14页 |
| 2.2 人脸表情识别系统设计流程 | 第14-15页 |
| 2.3 人脸表情识数据库介绍 | 第15-16页 |
| 2.4 图像前期预处理 | 第16-21页 |
| 2.4.1 几何归一化 | 第17-18页 |
| 2.4.2 灰度归一化 | 第18-20页 |
| 2.4.3 数据增强 | 第20-21页 |
| 2.5 图像特征提取 | 第21-28页 |
| 2.5.1 几何特征提取 | 第22-25页 |
| 2.5.2 微观特征提取 | 第25-28页 |
| 2.6 图像特征选择 | 第28页 |
| 2.6.1 特征选择类别 | 第28页 |
| 2.7 本章小结 | 第28-29页 |
| 3 深度学习与图像识别 | 第29-36页 |
| 3.1 引言 | 第29-30页 |
| 3.2 感知器模型 | 第30页 |
| 3.3 深度信念网络模型 | 第30-32页 |
| 3.3.1 受限玻尔兹曼机 | 第30-31页 |
| 3.3.2 深度信念网络 | 第31-32页 |
| 3.4 卷积神经网络模型 | 第32-35页 |
| 3.4.1 卷积神经网络模型结构 | 第32-34页 |
| 3.4.2 局部连接和权值共享 | 第34页 |
| 3.4.3 模型训练优化策略 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 网络模型架构 | 第36-39页 |
| 4.1 引言 | 第36页 |
| 4.2 网络模型结构 | 第36-38页 |
| 4.2.1 网络模型训练策略 | 第36-37页 |
| 4.2.2 网络模型结构设计 | 第37-38页 |
| 4.2.3 激活函数的选择 | 第38页 |
| 4.3 本章小结 | 第38-39页 |
| 5 实验结果与分析 | 第39-46页 |
| 5.1 实验数据集 | 第39页 |
| 5.2 数据前期预处理 | 第39-41页 |
| 5.3 网络模型的实现 | 第41-42页 |
| 5.4 模型训练结果 | 第42-45页 |
| 5.5 本章小结 | 第45-46页 |
| 6 总结与展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录 A.作者在攻读学位期间发表的论文目录 | 第51页 |
