基于深度学习的交互式重度瘫痪病人情感分析研究
| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题研究背景和意义 | 第10-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 论文主要工作和创新点 | 第17-18页 |
| 1.4 论文内容和组织结构 | 第18-19页 |
| 第二章 相关基础知识 | 第19-33页 |
| 2.1 几何变换 | 第19-24页 |
| 2.1.1 图像旋转 | 第19-22页 |
| 2.1.2 图像缩放 | 第22-24页 |
| 2.2 人脸检测 | 第24-28页 |
| 2.2.1 Haar特征 | 第24-26页 |
| 2.2.2 Adaboost算法 | 第26-28页 |
| 2.3 三庭五眼规则 | 第28页 |
| 2.4 深度学习 | 第28-32页 |
| 2.4.1 卷积计算 | 第29-30页 |
| 2.4.2 局部感知和权值共享 | 第30页 |
| 2.4.3 降采样 | 第30-31页 |
| 2.4.4 全连接 | 第31页 |
| 2.4.5 Softmax分类器 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于深度卷积神经网络的表情识别 | 第33-48页 |
| 3.1 表情识别研究现状 | 第33-34页 |
| 3.2 样本预处理 | 第34-37页 |
| 3.2.1 倾斜校正 | 第34-35页 |
| 3.2.2 样本扩充 | 第35-36页 |
| 3.2.3 归一化 | 第36-37页 |
| 3.3 深度卷积神经网络 | 第37-40页 |
| 3.3.1 参数初始化 | 第37页 |
| 3.3.2 网络结构 | 第37-40页 |
| 3.4 相关实验 | 第40-46页 |
| 3.4.1 实验工具 | 第41-42页 |
| 3.4.2 模型评估方法 | 第42-43页 |
| 3.4.3 实验结果与分析 | 第43-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于头部和脸部动作的人机交互方式 | 第48-58页 |
| 4.1 头部动作识别 | 第48-49页 |
| 4.1.1 头部动作识别研究现状 | 第48页 |
| 4.1.2 算法思路 | 第48-49页 |
| 4.2 脸部动作识别 | 第49-55页 |
| 4.2.1 脸部动作识别研究现状 | 第49页 |
| 4.2.2 算法思路及改进 | 第49-51页 |
| 4.2.3 特征提取 | 第51-53页 |
| 4.2.4 特征分类 | 第53-54页 |
| 4.2.5 实验结果与分析 | 第54-55页 |
| 4.3 表情确认规则 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第五章 算法集成与实验结果 | 第58-61页 |
| 5.1 指令实验结果 | 第58-59页 |
| 5.2 表情识别实验结果 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69-70页 |
