| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外现状及趋势 | 第13-16页 |
| 1.3 主要研究的内容 | 第16-17页 |
| 1.4 论文篇章结构 | 第17-18页 |
| 第二章 深度学习算法原理 | 第18-36页 |
| 2.1 感知机 | 第18-20页 |
| 2.2 人工神经网络 | 第20-23页 |
| 2.3 典型深度学习网络 | 第23-29页 |
| 2.3.1 受限波尔兹曼机 | 第24-27页 |
| 2.3.2 深度信念网络 | 第27-29页 |
| 2.4 深度卷积神经网络 | 第29-35页 |
| 2.4.1 卷积神经网络 | 第29-32页 |
| 2.4.2 VGGNet网络 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 VGGNet深度卷积特征的人脸表情识别方法研究 | 第36-48页 |
| 3.1 人脸表情预处理 | 第36-39页 |
| 3.2 人脸表情识别深度网络设计 | 第39-44页 |
| 3.2.1 整体网络结构 | 第39-40页 |
| 3.2.2 VGG16-Net训练模型特征提取 | 第40-42页 |
| 3.2.3 卷积神经网络训练模型 | 第42-44页 |
| 3.3 算法设计流程 | 第44-45页 |
| 3.4 算法模型评估 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 训练与结果 | 第48-70页 |
| 4.1 数据库介绍 | 第48-50页 |
| 4.2 深度学习框架 | 第50-52页 |
| 4.3 实验环境搭建 | 第52-59页 |
| 4.3.1 软件环境配置 | 第53-54页 |
| 4.3.2 Tensorflow深度学习框架安装 | 第54-59页 |
| 4.4 网络模型训练 | 第59-62页 |
| 4.4.1 数据准备 | 第59-62页 |
| 4.4.2 网络参数设置 | 第62页 |
| 4.5 实验结果分析 | 第62-69页 |
| 4.6 本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 工作总结 | 第70-71页 |
| 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士学位期间所发表的论文 | 第78-80页 |
| 致谢 | 第80-81页 |
| 附录 | 第81-92页 |
| 附录 1 | 第81-83页 |
| 附录 2 | 第83-86页 |
| 附录 3 | 第86-92页 |