| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 坐姿视觉识别研究现状 | 第10-11页 |
| 1.2.2 深度学习算法研究现状 | 第11-13页 |
| 1.3 本文主要研究内容和结构安排 | 第13-15页 |
| 第2章 卷积神经网络概述 | 第15-24页 |
| 2.1 卷积神经网络结构 | 第15-19页 |
| 2.1.1 卷积层 | 第15-16页 |
| 2.1.2 池化层 | 第16-17页 |
| 2.1.3 全连接层 | 第17页 |
| 2.1.4 损失函数层 | 第17-19页 |
| 2.2 卷积神经网络训练方法 | 第19-22页 |
| 2.2.1 前向传播算法 | 第19-20页 |
| 2.2.2 反向传播算法 | 第20-22页 |
| 2.2.3 随机梯度下降法 | 第22页 |
| 2.3 实验仿真平台介绍 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 改进激活函数的卷积神经网络算法 | 第24-33页 |
| 3.1 常用的激活函数 | 第24-27页 |
| 3.2 改进激活函数 | 第27-28页 |
| 3.3 实验结果及分析 | 第28-32页 |
| 3.3.1 基于MNIST数据集验证实验 | 第29-30页 |
| 3.3.2 基于Cifar-10数据集验证实验 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 融合判别式深度特征的卷积神经网络改进算法 | 第33-43页 |
| 4.1 融合判别式深度特征的卷积神经网络改进算法原理 | 第33-36页 |
| 4.1.1 线性判别式分析算法原理 | 第33-34页 |
| 4.1.2 LDloss定义 | 第34-35页 |
| 4.1.3 权重更新 | 第35页 |
| 4.1.4 均值更新策略 | 第35-36页 |
| 4.2 实验结果及分析 | 第36-42页 |
| 4.2.1 基于MNIST数据集验证 | 第36-38页 |
| 4.2.2 关于参数a和参数b的讨论 | 第38-39页 |
| 4.2.3 基于CK+人脸表情数据集验证 | 第39-41页 |
| 4.2.4 现实人像的表情图片验证实验 | 第41-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第5章 基于卷积神经网络的坐姿视觉识别算法 | 第43-51页 |
| 5.1 算法框架设计 | 第43页 |
| 5.2 前景提取 | 第43-46页 |
| 5.2.1 人脸检测及区域扩展 | 第43-44页 |
| 5.2.2 图像分割及平移提取 | 第44-46页 |
| 5.3 CNN模型训练 | 第46-47页 |
| 5.4 实验结果及分析 | 第47-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第6章 融合深度信息的坐姿视觉识别方法研究 | 第51-60页 |
| 6.1 双目图像视差信息恢复 | 第51-56页 |
| 6.1.1 摄像头标定 | 第51-53页 |
| 6.1.2 双目图像校正和视差图像的生成 | 第53-56页 |
| 6.2 融合深度信息的CNN坐姿模型训练 | 第56-57页 |
| 6.3 实验结果及分析 | 第57-59页 |
| 6.4 本章小结 | 第59-60页 |
| 第7章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第69页 |