| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 选题的背景及研究意义 | 第12-13页 |
| 1.2 人脸表情识别国内外研究现状 | 第13-17页 |
| 1.2.1 表情特征提取方法 | 第13-16页 |
| 1.2.2 表情特征降维方法 | 第16页 |
| 1.2.3 表情特征分类方法 | 第16-17页 |
| 1.3 人脸表情库介绍 | 第17-18页 |
| 1.4 本文的主要研究内容 | 第18页 |
| 1.5 本文的章节安排 | 第18-20页 |
| 第二章 深度学习理论 | 第20-36页 |
| 2.1 序言 | 第20页 |
| 2.2 人工神经网络 | 第20-25页 |
| 2.2.1 感知器网络 | 第20-22页 |
| 2.2.2 反向传播算法 | 第22-25页 |
| 2.3 深度信念网络 | 第25-29页 |
| 2.3.1 受限玻尔兹曼机 | 第25-27页 |
| 2.3.2 深度信念网络训练过程 | 第27-28页 |
| 2.3.3 深度信念网络实验 | 第28-29页 |
| 2.4 卷积神经网络 | 第29-31页 |
| 2.4.1 卷积神经网络结构 | 第30-31页 |
| 2.4.2 卷积神经网络特点 | 第31页 |
| 2.5 循环神经网络 | 第31-34页 |
| 2.5.1 循环神经网络结构 | 第32-33页 |
| 2.5.2 循环神经网络训练过程 | 第33-34页 |
| 2.6 小结 | 第34-36页 |
| 第三章 基于改进LeNet-5网络的人脸表情识别 | 第36-48页 |
| 3.1 序言 | 第36页 |
| 3.2 激活函数 | 第36-37页 |
| 3.3 LeNet-5卷积神经网络 | 第37-39页 |
| 3.4 基于改进LeNet-5网络的人脸表情识别 | 第39-42页 |
| 3.4.1 改进LeNet-5网络的网络结构 | 第39-40页 |
| 3.4.2 基于改进LeNet-5网络的人脸表情识别训练过程 | 第40-42页 |
| 3.5 实验 | 第42-47页 |
| 3.5.1 数据集 | 第43页 |
| 3.5.2 实验结果及分析 | 第43-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 卷积神经网络的重构及理解 | 第48-62页 |
| 4.1 序言 | 第48页 |
| 4.2 信号复原中的二维反卷积 | 第48-51页 |
| 4.2.1 Wiener滤波器 | 第48-49页 |
| 4.2.2 Wiener滤波器反卷积实验 | 第49-51页 |
| 4.3 卷积网络中的反卷积 | 第51-60页 |
| 4.3.1 卷积网络中的反卷积方法 | 第51-53页 |
| 4.3.2 卷积网络重构实验 | 第53-60页 |
| 4.4 小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 研究成果及发表的学术论文 | 第70-72页 |
| 作者及导师简介 | 第72-73页 |
| 附件 | 第73-74页 |