基于双时间尺度卷积神经网络的微表情识别
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第8-16页 |
| 1.1 研究背景及研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文的研究内容及创新点 | 第13-14页 |
| 1.3.1 论文的研究内容 | 第13页 |
| 1.3.2 论文的创新点 | 第13-14页 |
| 1.4 论文的结构安排 | 第14-16页 |
| 第二章 自发微表情数据库与预处理 | 第16-24页 |
| 2.1 数据库介绍 | 第16-17页 |
| 2.2 数据库预处理 | 第17-24页 |
| 2.2.1 视频归一化 | 第18-20页 |
| 2.2.2 数据集扩充 | 第20-21页 |
| 2.2.3 计算光流图像序列 | 第21-24页 |
| 第三章 双时间尺度卷积神经网络的建立 | 第24-44页 |
| 3.1 深度学习 | 第24-30页 |
| 3.1.1 感知器算法 | 第24-25页 |
| 3.1.2 BP神经网络 | 第25-27页 |
| 3.1.3 深度神经网络 | 第27-30页 |
| 3.2 卷积神经网络基本原理 | 第30-37页 |
| 3.2.1 局部感知和权值共享 | 第31页 |
| 3.2.2 卷积层与池化层 | 第31-33页 |
| 3.2.3 Softmax分类 | 第33-35页 |
| 3.2.4 卷积神经网络特征分析 | 第35页 |
| 3.2.5 3D卷积核和池化操作 | 第35-37页 |
| 3.3 双时间尺度网络的建立 | 第37-44页 |
| 3.3.1 微表情特性分析 | 第37页 |
| 3.3.2 双时间尺度网络 | 第37-39页 |
| 3.3.3 SVM分类器 | 第39-44页 |
| 第四章 实验测试与结果分析 | 第44-50页 |
| 4.1 实验设置与对比算法介绍 | 第44-45页 |
| 4.2 实验结果及结果分析 | 第45-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 论文总结 | 第50页 |
| 5.2 论文展望 | 第50-52页 |
| 参考文献 | 第52-60页 |
| 致谢 | 第60-62页 |
| 攻读硕士期间已发表的学术论文 | 第62-64页 |
| 攻读硕士期间参加的科研项目 | 第64页 |
