基于卷积神经网络的静态面部表情识别研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 研究现状 | 第16-19页 |
| 1.2.1 传统方法研究现状 | 第17-18页 |
| 1.2.2 深度学习方法研究现状 | 第18-19页 |
| 1.3 研究难点 | 第19-20页 |
| 1.4 本文主要研究内容和章节安排 | 第20-22页 |
| 第二章 面部表情识别关键技术综述 | 第22-32页 |
| 2.1 表情识别系统 | 第22-27页 |
| 2.1.1 基于手工特征的表情识别方法 | 第22-26页 |
| 2.1.2 基于深度学习的表情识别方法 | 第26-27页 |
| 2.2 卷积神经网络 | 第27-31页 |
| 2.2.1 卷积神经网络的特点 | 第27-28页 |
| 2.2.2 卷积神经网络的结构 | 第28-29页 |
| 2.2.3 卷积神经网络的训练方法 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 基于人工脸的数据增强方法研究 | 第32-49页 |
| 3.1 研究背景 | 第32-33页 |
| 3.1.1 数据增强 | 第32页 |
| 3.1.2 现有技术 | 第32-33页 |
| 3.2 基于人工脸的数据增强方法 | 第33-38页 |
| 3.2.1 人脸关键点检测 | 第33-34页 |
| 3.2.2 人脸对齐 | 第34-35页 |
| 3.2.3 颜色矫正 | 第35-36页 |
| 3.2.4 特征融合 | 第36-37页 |
| 3.2.5 人工脸生成 | 第37-38页 |
| 3.3 图像预处理 | 第38-40页 |
| 3.3.1 人脸检测 | 第38-39页 |
| 3.3.2 灰度化 | 第39页 |
| 3.3.3 直方图均衡化 | 第39-40页 |
| 3.4 实验与结果分析 | 第40-48页 |
| 3.4.1 实验准备 | 第40-41页 |
| 3.4.2 网络模型搭建 | 第41-42页 |
| 3.4.3 融合区域数量K的选取 | 第42-44页 |
| 3.4.4 与传统方法对比实验 | 第44-47页 |
| 3.4.5 跨数据集实验 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 基于ROI卷积神经网络的表情识别研究 | 第49-62页 |
| 4.1 研究背景 | 第49页 |
| 4.2 基于ROI卷积神经网络的表情识别方法 | 第49-54页 |
| 4.2.1 ROI强化训练方法 | 第50-51页 |
| 4.2.2 卷积神经网络模型 | 第51-53页 |
| 4.2.3 ROI决策融合方法 | 第53-54页 |
| 4.3 实验与结果分析 | 第54-59页 |
| 4.3.1 实验准备 | 第54-55页 |
| 4.3.2 网络模型效果评估 | 第55-56页 |
| 4.3.3 ROI强化训练效果评估 | 第56页 |
| 4.3.4 ROI决策融合效果评估 | 第56-58页 |
| 4.3.5 跨数据集实验 | 第58-59页 |
| 4.4 与其它方法对比 | 第59-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62页 |
| 5.2 工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第68-69页 |
