| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 课题背景 | 第13-14页 |
| 1.2 课题难点 | 第14-15页 |
| 1.3 本文工作 | 第15-16页 |
| 1.3.1 基于细节感知迁移网络的人脸表情识别 | 第15-16页 |
| 1.3.2 基于视频序列的多任务递归神经网络结构 | 第16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 人脸表情识别的相关技术综述 | 第18-38页 |
| 2.1 人脸检测方法综述 | 第18-24页 |
| 2.1.1 基于传统的人脸检测方法 | 第19-21页 |
| 2.1.2 基于深度学习的人脸检测方法 | 第21-24页 |
| 2.2 人脸对齐方法综述 | 第24-28页 |
| 2.2.1 基于模型的人脸对齐方法 | 第24-26页 |
| 2.2.2 基于线性回归的人脸对齐方法 | 第26-27页 |
| 2.2.3 基于非线性回归的人脸对齐方法 | 第27-28页 |
| 2.3 人脸表情特征提取方法 | 第28-30页 |
| 2.3.1 Haar特征 | 第29-30页 |
| 2.3.2 LBP特征 | 第30页 |
| 2.4 人脸表情识别方法综述 | 第30-37页 |
| 2.4.1 朴素贝叶斯分类算法 | 第30-31页 |
| 2.4.2 SVM算法 | 第31-33页 |
| 2.4.3 AdaBoost算法 | 第33-35页 |
| 2.4.4 隐马尔科夫算法 | 第35-36页 |
| 2.4.5 基于深度学习的人脸表情识别方法 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 基于细节感知迁移网络的人脸表情识别研究 | 第38-58页 |
| 3.1 研究背景 | 第38-39页 |
| 3.2 基于细节感知迁移网络的人脸表情识别方法 | 第39-53页 |
| 3.2.1 人脸表情数据集 | 第39页 |
| 3.2.2 基于对抗网络的数据集扩充 | 第39-42页 |
| 3.2.3 细节感知迁移网络结构 | 第42-49页 |
| 3.2.4 网络学习 | 第49-51页 |
| 3.2.5 基于多网络融合的人脸表情识别 | 第51-53页 |
| 3.3 实验结果 | 第53-57页 |
| 3.3.1 实验参数设置 | 第53页 |
| 3.3.2 数据预处理 | 第53-54页 |
| 3.3.3 基于细节感知迁移网络的实验结果 | 第54-56页 |
| 3.3.4 基于网络融合和网络提升的实验结果 | 第56-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第4章 基于视频序列的多任务递归神经网络人脸表情识别 | 第58-71页 |
| 4.1 问题描述 | 第58-59页 |
| 4.2 递归神经网络 | 第59-63页 |
| 4.2.1 递归神经网络结构 | 第59-60页 |
| 4.2.2 基于时间的反向传播算法BPTT | 第60-61页 |
| 4.2.3 长短记忆单元LSTM | 第61-63页 |
| 4.3 基于视频序列的多任务人脸表情识别 | 第63-65页 |
| 4.3.1 基于视频序列的多任务人脸表情识别结构 | 第63-64页 |
| 4.3.2 时间相关递归神经网络学习 | 第64-65页 |
| 4.3.3 身份识别 | 第65页 |
| 4.4 网络结构细节 | 第65-67页 |
| 4.4.1 编码网络结构 | 第65-66页 |
| 4.4.2 tRNN结构 | 第66页 |
| 4.4.3 f_(ICLS)和f_(PCLS) | 第66-67页 |
| 4.4.4 学习方法 | 第67页 |
| 4.5 实验结果及分析 | 第67-70页 |
| 4.5.1 数据集 | 第67-68页 |
| 4.5.2 实验结果 | 第68-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第5章 总结及展望 | 第71-73页 |
| 5.1 工作总结 | 第71-72页 |
| 5.2 未来展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 研究成果目录 | 第78-79页 |
| 致谢 | 第79页 |