基于卷积神经网络的微表情识别
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 微表情数据库 | 第14页 |
| 1.4 本文主要工作内容与章节安排 | 第14-17页 |
| 2 深度学习相关理论知识 | 第17-23页 |
| 2.1 深度学习的研究现状 | 第17页 |
| 2.2 卷积神经网络 | 第17-18页 |
| 2.2.1 局部感知野和权值共享 | 第18页 |
| 2.2.2 激活函数 | 第18页 |
| 2.3 三维卷积神经网络 | 第18-20页 |
| 2.3.1 三维卷积层 | 第19-20页 |
| 2.3.2 三维池化层 | 第20页 |
| 2.4 典型卷积神经网络 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于2D-3D双流卷积神经网络的微表情识别 | 第23-34页 |
| 3.1 引言 | 第23-24页 |
| 3.2 2D-3D双流卷积神经网络 | 第24-28页 |
| 3.2.1 双时间尺度三维卷积神经网络 | 第24-26页 |
| 3.2.2 基于差分信息图的二维残差网络 | 第26-28页 |
| 3.3 实验结果 | 第28-33页 |
| 3.3.1 实验准备工作 | 第28-29页 |
| 3.3.2 实验结果及分析 | 第29-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于峰值帧与运动区域的微表情识别 | 第34-42页 |
| 4.1 引言 | 第34页 |
| 4.2 峰值帧的定位 | 第34-35页 |
| 4.3 运动区域的提取 | 第35-36页 |
| 4.4 基于峰值帧与运动区域的卷积神经网络 | 第36-38页 |
| 4.5 实验结果 | 第38-41页 |
| 4.5.1 实验准备工作 | 第38页 |
| 4.5.2 实验结果及分析 | 第38-41页 |
| 4.6 本章小结 | 第41-42页 |
| 5 基于注意力机制的微表情识别 | 第42-50页 |
| 5.1 引言 | 第42页 |
| 5.2 注意力机制 | 第42-45页 |
| 5.2.1 空间注意力 | 第43-44页 |
| 5.2.2 通道注意力 | 第44-45页 |
| 5.3 基于注意力机制的卷积神经网络 | 第45-46页 |
| 5.4 实验结果 | 第46-49页 |
| 5.4.1 实验准备工作 | 第46-47页 |
| 5.4.2 实验结果及分析 | 第47-49页 |
| 5.5 本章小节 | 第49-50页 |
| 总结与展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 作者简历及攻读硕士学位期间的科研成果 | 第56-57页 |
