基于深度学习的人脸表情识别研究及应用
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及课题意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 静态图像人脸表情识别 | 第10-11页 |
| 1.2.2 动态图像序列人脸表情识别 | 第11-12页 |
| 1.3 研究内容与组织结构 | 第12-14页 |
| 1.3.1 论文研究内容 | 第12页 |
| 1.3.2 论文组织结构 | 第12-14页 |
| 2 相关理论基础 | 第14-30页 |
| 2.1 深度学习与卷积神经网络 | 第14-19页 |
| 2.1.1 深度学习 | 第14页 |
| 2.1.2 卷积神经网络 | 第14-19页 |
| 2.2 基于深度学习的目标检测 | 第19-25页 |
| 2.2.1 两阶段目标检测 | 第19-23页 |
| 2.2.2 单阶段目标检测 | 第23-24页 |
| 2.2.3 基于深度学习的目标检测总结 | 第24-25页 |
| 2.3 人脸表情数据集 | 第25-27页 |
| 2.3.1 实验室人脸表情数据集 | 第25-26页 |
| 2.3.2 现实场景下的人脸表情数据集 | 第26-27页 |
| 2.4 深度人脸表情识别 | 第27-29页 |
| 2.4.1 预处理 | 第27-28页 |
| 2.4.2 用于特征学习的深度网络 | 第28-29页 |
| 2.4.3 人脸表情分类 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于深度学习的人脸表情识别研究 | 第30-54页 |
| 3.1 引言 | 第30页 |
| 3.2 数据集概览 | 第30-33页 |
| 3.3 数据预处理及数据集增强 | 第33-37页 |
| 3.3.1 数据预处理 | 第33-34页 |
| 3.3.2 数据集增强 | 第34-37页 |
| 3.4 深度人脸表情识别网络 | 第37-49页 |
| 3.4.1 深度特征网络 | 第37-39页 |
| 3.4.2 迁移学习 | 第39-42页 |
| 3.4.3 批归一化处理 | 第42-44页 |
| 3.4.4 多尺度特征进行检测识别 | 第44-45页 |
| 3.4.5 边界框预测 | 第45-48页 |
| 3.4.6 损失函数 | 第48-49页 |
| 3.5 实验结果分析 | 第49-53页 |
| 3.5.1 实验环境 | 第49页 |
| 3.5.2 实验过程 | 第49-51页 |
| 3.5.3 实验结果及分析 | 第51-53页 |
| 3.6 本章小结 | 第53-54页 |
| 4 基于深度学习的驾驶员情绪实时监测系统 | 第54-68页 |
| 4.1 移动端开发 | 第54-55页 |
| 4.2 移动端开发技术选型 | 第55-57页 |
| 4.3 移动端深度学习框架 | 第57-58页 |
| 4.4 系统基本架构 | 第58-67页 |
| 4.4.1 模型训练 | 第59-60页 |
| 4.4.2 系统实现 | 第60-67页 |
| 4.5 本章小结 | 第67-68页 |
| 5 总结与展望 | 第68-70页 |
| 5.1 全文总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 附录 | 第76-78页 |
| A 作者在攻读学位期间参与的科研项目 | 第76页 |
| B 学位论文数据集 | 第76-78页 |
| 致谢 | 第78页 |
