| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 表情识别研究现状 | 第9-10页 |
| 1.2.2 深度学习研究现状 | 第10-11页 |
| 1.2.3 基于深度学习的表情识别研究现状 | 第11-12页 |
| 1.3 深度学习的典型模型 | 第12-13页 |
| 1.3.1 深度卷积神经网络 | 第12页 |
| 1.3.2 深度信念网络 | 第12-13页 |
| 1.3.3 深度玻尔兹曼机 | 第13页 |
| 1.3.4 堆叠自动编码器 | 第13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 第2章 深度学习和深度卷积神经网络 | 第15-19页 |
| 2.1 引言 | 第15-16页 |
| 2.2 深度卷积神经网络的基本原理 | 第16-18页 |
| 2.2.1 深度卷积神经网络结构 | 第16页 |
| 2.2.2 局部连接与权值共享 | 第16页 |
| 2.2.3 网络训练 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 基于深度卷积神经网络的静态表情识别 | 第19-33页 |
| 3.1 引言 | 第19-20页 |
| 3.2 深度卷积神经网络的构建 | 第20-24页 |
| 3.2.1 模型结构 | 第20-21页 |
| 3.2.2 激活函数 | 第21-22页 |
| 3.2.3 Dropout | 第22-23页 |
| 3.2.4 损失函数 | 第23页 |
| 3.2.5 参数优化 | 第23-24页 |
| 3.3 Softmax分类器 | 第24-25页 |
| 3.4 实验描述与结果分析 | 第25-32页 |
| 3.4.1 静态表情识别的实验描述与结果分析 | 第25-29页 |
| 3.4.2 静态遮挡表情识别的实验描述与结果分析 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于深度卷积神经网络的动态表情识别 | 第33-42页 |
| 4.1 引言 | 第33页 |
| 4.2 基于深度卷积神经网络的动态表情识别的总体框架 | 第33-34页 |
| 4.3 基于Haar分类器的实时人脸检测算法 | 第34-37页 |
| 4.3.1 Haar-like特征 | 第34页 |
| 4.3.2 积分图 | 第34-36页 |
| 4.3.3 Adaboost算法 | 第36-37页 |
| 4.3.4 联级分类器 | 第37页 |
| 4.4 表情图像预处理 | 第37-38页 |
| 4.4.1 灰度化 | 第38页 |
| 4.4.2 归一化 | 第38页 |
| 4.5 深度卷积神经网络的训练 | 第38-39页 |
| 4.6 实验描述与结果分析 | 第39-41页 |
| 4.6.1 实验描述 | 第39页 |
| 4.6.2 结果分析 | 第39-41页 |
| 4.7 本章小结 | 第41-42页 |
| 第5章 基于深度连续卷积神经网络的表情识别 | 第42-55页 |
| 5.1 引言 | 第42-43页 |
| 5.2 深度连续卷积神经网络的构建 | 第43-44页 |
| 5.3 深度卷积神经网络与深度连续卷积神经网络的对比 | 第44-46页 |
| 5.3.1 模型结构 | 第44-45页 |
| 5.3.2 激活函数 | 第45-46页 |
| 5.3.3 参数优化 | 第46页 |
| 5.4 实验描述与结果分析 | 第46-53页 |
| 5.4.1 静态表情识别的实验描述与结果分析 | 第46-50页 |
| 5.4.2 静态遮挡表情识别的实验描述与结果分析 | 第50-52页 |
| 5.4.3 动态表情识别的实验描述与结果分析 | 第52-53页 |
| 5.5 本章小结 | 第53-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 作者简介 | 第65页 |
| 攻读硕士学位期间研究成果 | 第65页 |