首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的表情识别

摘要第5-6页
Abstract第6-7页
第一章 绪论第8-14页
    1.1 研究背景及意义第8-9页
    1.2 研究内容与主要贡献第9-11页
    1.3 国内外研究历史与现状第11-12页
        1.3.1 基于静态图片的表情识别第11-12页
        1.3.2 基于视频序列的表情识别第12页
    1.4 论文的主要内容及章节安排第12-14页
第二章 基于深层级联峰值导向网络算法的表情识别第14-25页
    2.1 引言第14-15页
    2.2 深层级联峰值导数网络算法框架第15-20页
        2.2.1 基础网络结构第16-18页
        2.2.2 三阶段级联架构设计第18-20页
        2.2.3 级联微调法设计第20页
    2.3 实验第20-24页
        2.3.1 实验数据预处理第21页
        2.3.2 实验数据介绍第21-22页
        2.3.3 实验设定第22页
        2.3.4 表情识别测试第22-24页
    2.4 本章小结第24-25页
第三章 基于时空卷积特征的嵌套长短记忆网络算法的表情识别第25-39页
    3.1 引言第25-27页
    3.2 时空卷积特征第27-28页
    3.3 嵌套长短记忆网络第28-29页
        3.3.1 多维度空间金字塔池化第28-29页
        3.3.2 T-LSTM和 C-LSTM第29页
    3.4 实验数据第29-32页
    3.5 实验设定第32-34页
    3.6 实验结果第34-38页
        3.6.1 在CK+数据集上性能对比第34-35页
        3.6.2 在Oulu-CASIA数据集上性能对比第35-36页
        3.6.3 在MMI数据集上性能对比第36-37页
        3.6.4 在BP4D数据集上性能对比第37-38页
        3.6.5 卷积层的数量对算法模型的影响第38页
    3.7 本章总结第38-39页
第四章 实时的人脸表情识别系统第39-43页
    4.1 引言第39页
    4.2 系统框架及模块第39-40页
    4.3 实时表情识别模块第40-42页
        4.3.1 核心算法介绍第40页
        4.3.2 系统演示第40-42页
    4.4 本章总结第42-43页
第五章 结论与展望第43-45页
    5.1 工作总结第43页
    5.2 存在的问题第43-44页
    5.3 工作展望第44-45页
致谢第45-46页
参考文献第46-53页
攻读硕士期间完成的科研情况第53页

论文共53页,点击 下载论文
上一篇:酒广告谱系中的人名/地名现象研究
下一篇:全极化探地雷达采集系统及校准技术初探