基于深度强化学习的主动人脸感知技术研究
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 课题背景 | 第14-16页 |
| 1.2 研究现状 | 第16-21页 |
| 1.2.1 主动人脸感知 | 第16-18页 |
| 1.2.2 强化学习 | 第18-19页 |
| 1.2.3 深度学习 | 第19-20页 |
| 1.2.4 深度强化学习 | 第20-21页 |
| 1.3 本文的主要工作 | 第21-22页 |
| 1.4 论文结构 | 第22-24页 |
| 第二章 深度强化理论及算法分析 | 第24-36页 |
| 2.1 强化学习算法分析 | 第24-29页 |
| 2.1.1 强化学习模型 | 第24-26页 |
| 2.1.2 强化学习理论基础 | 第26-28页 |
| 2.1.3 强化学习的组成部分 | 第28-29页 |
| 2.2 深度学习算法分析 | 第29-34页 |
| 2.2.1 深度学习的理论基础 | 第29-32页 |
| 2.2.2 深度学习的主要网络结构 | 第32-34页 |
| 2.2.3 深度学习的主要应用 | 第34页 |
| 2.3 深度强化学习 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 主动人脸感知模型设计 | 第36-44页 |
| 3.1 人脸感知的马尔可夫建模 | 第36-38页 |
| 3.1.1 人脸感知环境模型 | 第36-37页 |
| 3.1.2 机器人动作设计 | 第37页 |
| 3.1.3 系统状态模型 | 第37页 |
| 3.1.4 基于人脸检测的回报函数设计 | 第37-38页 |
| 3.2 深度强化学习算法设计 | 第38-43页 |
| 3.2.1 机器人策略网络 | 第39-40页 |
| 3.2.2 人脸感知优化模型 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 主动人脸感知仿真环境搭建及实验 | 第44-52页 |
| 4.1 仿真环境系统 | 第44-47页 |
| 4.1.1 基于ROS的Gazebo仿真环境 | 第44-46页 |
| 4.1.2 仿真环境动作集合 | 第46页 |
| 4.1.3 仿真环境执行流程 | 第46-47页 |
| 4.2 仿真实验结果 | 第47-50页 |
| 4.2.1 仿真训练过程分析 | 第47-48页 |
| 4.2.2 仿真测试结果分析 | 第48-50页 |
| 4.2.3 仿真效果演示 | 第50页 |
| 4.3 本章小结 | 第50-52页 |
| 第五章 基于主动相机的真实场景实验 | 第52-58页 |
| 5.1 真实场景系统 | 第52页 |
| 5.2 主动相机系统环境 | 第52-54页 |
| 5.3 真实场景实验结果 | 第54-56页 |
| 5.3.1 真实场景训练过程分析 | 第54-55页 |
| 5.3.2 真实场景测试结果分析 | 第55-56页 |
| 5.3.3 真实场景效果演示 | 第56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 硕士期间发表的论文 | 第68页 |
| 硕士期间参加的科研工作 | 第68-69页 |
| 学位论文评阅及答辩情况表 | 第69页 |
