| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题来源、目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 研究主要内容和创新点 | 第13-14页 |
| 2 深度学习理论分析 | 第14-22页 |
| 2.1 前馈神经网络和激活函数 | 第14-16页 |
| 2.2 卷积神经网络 | 第16-17页 |
| 2.3 循环神经网络 | 第17-19页 |
| 2.4 主流唇语识别算法架构 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 唇语识别数据集LRW-1000的构建 | 第22-33页 |
| 3.1 唇语识别数据集的基本要求 | 第22-23页 |
| 3.2 LRW-1000数据集的构建 | 第23-29页 |
| 3.3 LRW-1000的质量评估 | 第29-30页 |
| 3.4 LRW-1000的信息统计 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 基于D3D的唇语识别算法研究 | 第33-57页 |
| 4.1 唇语识别的难点和当前算法的不足 | 第33-34页 |
| 4.2 D3D唇语识别模型 | 第34-41页 |
| 4.3 Residual-Attention的模块结构 | 第41-44页 |
| 4.4 实验及结果分析 | 第44-55页 |
| 4.5 本章小结 | 第55-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |