| 摘要 | 第4-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第16-17页 |
| 第一章 绪论 | 第17-27页 |
| 1.1 课题研究背景及意义 | 第17-22页 |
| 1.2 课题研究动机 | 第22-24页 |
| 1.2.1 结构化多标签学习方法 | 第22-23页 |
| 1.2.2 基于卷积神经网络的结构化多标签学习方法 | 第23-24页 |
| 1.3 论文的主要工作和研究成果 | 第24页 |
| 1.4 论文结构安排 | 第24-27页 |
| 第二章 面部活动单元分析的相关工作 | 第27-37页 |
| 2.1 特征提取 | 第27-29页 |
| 2.2 分类器学习 | 第29-30页 |
| 2.3 卷积神经网络 | 第30-32页 |
| 2.4 AU检测领域中的深度模型 | 第32页 |
| 2.5 面部活动单元分析存在的问题 | 第32-34页 |
| 2.5.1 数据不均衡 | 第32-34页 |
| 2.5.2 个体之间的差异 | 第34页 |
| 2.5.3 AU强度不同 | 第34页 |
| 2.6 本章小结 | 第34-37页 |
| 第三章 结构化多标签学习方法 | 第37-59页 |
| 3.1 结构化多标签学习方法(JPML) | 第38-46页 |
| 3.1.1 结构化区域学习 | 第38-40页 |
| 3.1.2 多标签学习 | 第40-43页 |
| 3.1.3 算法 | 第43-46页 |
| 3.2 实验 | 第46-57页 |
| 3.2.1 实验设定 | 第47-48页 |
| 3.2.2 面部活动单元AU自动检测 | 第48-51页 |
| 3.2.3 跨数据集的AU自动检测 | 第51-54页 |
| 3.2.4 结构化区域学习的定性分析 | 第54-57页 |
| 3.2.5 算法讨论 | 第57页 |
| 3.3 本章小结 | 第57-59页 |
| 第四章 基于卷积神经网络的结构化多标签学习方法 | 第59-71页 |
| 4.1 基于卷积神经网络的结构化多标签学习(DRML) | 第60-65页 |
| 4.1.1 DRML架构 | 第60-61页 |
| 4.1.2 结构化区域层 | 第61-64页 |
| 4.1.3 与相关工作的性能比较 | 第64-65页 |
| 4.2 实验 | 第65-70页 |
| 4.2.1 实验设定 | 第65-66页 |
| 4.2.2 实验结果 | 第66-70页 |
| 4.3 本章小结 | 第70-71页 |
| 第五章 结构化多标签学习方法的其他应用 | 第71-89页 |
| 5.1 结构化区域学习:二分类人脸表情识别中的区域选择 | 第71-75页 |
| 5.1.1 实验 | 第72-75页 |
| 5.2 结构化多标签学习:多标签表情识别问题 | 第75-85页 |
| 5.2.1 多标签表情数据集 | 第75-76页 |
| 5.2.2 结构化多标签分类与回归算法 | 第76-81页 |
| 5.2.3 实验 | 第81-85页 |
| 5.3 其他应用的讨论 | 第85-87页 |
| 5.3.1 结构化区域学习:行为识别 | 第85-86页 |
| 5.3.2 多标签学习:场景识别 | 第86-87页 |
| 5.4 本章小结 | 第87-89页 |
| 第六章 总结与展望 | 第89-93页 |
| 6.1 工作总结 | 第89-90页 |
| 6.2 研究展望 | 第90-93页 |
| 附录 缩略词 | 第93-95页 |
| 参考文献 | 第95-103页 |
| 致谢 | 第103-105页 |
| 攻读学位期间发表的学术论文目录 | 第105页 |
