| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究现状 | 第12-20页 |
| 1.2.1 人脸表情识别系统框架 | 第12-13页 |
| 1.2.2 人脸运动编码系统（Facial Action Coding System, FACS） | 第13-15页 |
| 1.2.3 人脸表情特征提取 | 第15-20页 |
| 1.3 本文组织结构 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第二章 深度学习算法原理 | 第22-40页 |
| 2.1 人工神经网络 | 第22-27页 |
| 2.2 误差反向传播网络 | 第27-31页 |
| 2.3 典型深度学习网络 | 第31-34页 |
| 2.3.1 深度波尔兹曼机 | 第31-33页 |
| 2.3.2 深度置信网络 | 第33-34页 |
| 2.4 卷积神经网络 | 第34-39页 |
| 2.4.1 CNN结构 | 第35-36页 |
| 2.4.2 局部感受野 | 第36-37页 |
| 2.4.3 权值共享 | 第37-38页 |
| 2.4.4 下采样 | 第38-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 基于单通道卷积神经网络的人脸表情识别 | 第40-65页 |
| 3.1 CK+数据库 | 第40-41页 |
| 3.2 人脸表情识别预处理 | 第41-46页 |
| 3.2.1 人脸检测 | 第41-43页 |
| 3.2.2 人脸关键点检测 | 第43-44页 |
| 3.2.3 数据增强 | 第44-46页 |
| 3.3 卷积神经网络实现 | 第46-48页 |
| 3.3.1 深度学习框架选择 | 第46页 |
| 3.3.2 Dropout机制 | 第46-47页 |
| 3.3.3 ReLU激活函数 | 第47-48页 |
| 3.4 PCNN网络 | 第48-52页 |
| 3.4.1 PCNN网络 | 第48-51页 |
| 3.4.2 网络搭建和实验分析 | 第51-52页 |
| 3.5 3DANN网络 | 第52-59页 |
| 3.5.1 3DANN网络 | 第52-55页 |
| 3.5.2 网络搭建和实验分析 | 第55-59页 |
| 3.6 3DGNN网络 | 第59-64页 |
| 3.6.1 3DGNN网络 | 第59-62页 |
| 3.6.2 网络搭建和实验分析 | 第62-64页 |
| 3.7 本章小结 | 第64-65页 |
| 第四章 基于并行网络CNN的人脸表情识别 | 第65-76页 |
| 4.1 3DAGN网络 | 第65-69页 |
| 4.1.1 3DAGN网络 | 第65-67页 |
| 4.1.2 网络搭建和实验分析 | 第67-69页 |
| 4.2 DPAGN网络 | 第69-73页 |
| 4.2.1 DPAGN网络 | 第69-71页 |
| 4.2.2 网络搭建和实验分析 | 第71-73页 |
| 4.3 JAFFE数据库及其实验分析 | 第73-75页 |
| 4.3.1 JAFFE数据库 | 第73-74页 |
| 4.3.2 实验结果分析 | 第74-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-79页 |
| 5.1 本文工作总结 | 第76-77页 |
| 5.2 本文工作展望 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 附件 | 第86页 |