基于深度神经网络的面部表情识别研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究的目的与意义 | 第9-11页 |
| 1.2 人脸表情识别研究现状 | 第11-13页 |
| 1.3 常用人脸表情库 | 第13-14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 论文结构 | 第15-17页 |
| 第二章 常用的人脸表情识别方法 | 第17-29页 |
| 2.1 全局特征 | 第17-18页 |
| 2.2 局部特征 | 第18-20页 |
| 2.3 动态特征 | 第20-22页 |
| 2.3.1 光流的计算方法 | 第20-21页 |
| 2.3.2 特征统计 | 第21-22页 |
| 2.4 深度特征 | 第22-25页 |
| 2.5 实验结果与分析 | 第25-29页 |
| 第三章 多通道卷积神经网络 | 第29-42页 |
| 3.1 MDSTFN网络架构 | 第29-31页 |
| 3.2 多尺度特征提取模块 | 第31-32页 |
| 3.3 神经网络的优化 | 第32-39页 |
| 3.3.1 SGD网络优化算法 | 第33-34页 |
| 3.3.2 Adagrad网络优化算法 | 第34-36页 |
| 3.3.3 AdaDelta网络优化算法 | 第36页 |
| 3.3.4 Adam网络优化算法 | 第36-37页 |
| 3.3.5 本文采用的网络优化算法 | 第37-39页 |
| 3.4 本章实验 | 第39-42页 |
| 第四章 基于深度时空信息融合的面部表情识别方法 | 第42-56页 |
| 4.1 图像预处理 | 第42-46页 |
| 4.1.1 ASM人脸对齐算法 | 第43-46页 |
| 4.1.2 光流算法 | 第46页 |
| 4.2 时空特征融合 | 第46-47页 |
| 4.3 用平均脸代替中性脸 | 第47-50页 |
| 4.4 对比实验 | 第50-56页 |
| 4.4.1 评估不同的融合策略 | 第51-52页 |
| 4.4.2 使用平均脸代替中性脸 | 第52-53页 |
| 4.4.3 跨库测试 | 第53-54页 |
| 4.4.4 与最先进的水平相比 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 全文总结 | 第56-57页 |
| 5.2 研究展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第63-64页 |
| 附录2 攻读硕士学位期间申请的专利 | 第64-65页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第65-66页 |
| 致谢 | 第66页 |
