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 |