| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题来源 | 第10页 |
| ·研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·深度学习研究现状 | 第12-15页 |
| ·笑脸表情识别研究现状 | 第15页 |
| ·本文的主要工作与内容安排 | 第15-17页 |
| 第二章 相关的理论基础 | 第17-32页 |
| ·深度自动编码器理论 | 第17-25页 |
| ·BP神经网络 | 第17-19页 |
| ·自动编码器 | 第19-21页 |
| ·稀疏自动编码器 | 第21-22页 |
| ·去噪自动编码器 | 第22-23页 |
| ·压缩自动编码器 | 第23页 |
| ·深度自动编码器 | 第23-25页 |
| ·Gabor特征提取 | 第25-30页 |
| ·二维Gabor小波 | 第25-29页 |
| ·Gabor特征降维 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于深度自动编码器的笑脸识别方法 | 第32-49页 |
| ·笑脸预处理 | 第32-35页 |
| ·笑脸表情数据库 | 第32-33页 |
| ·彩色图像灰度化 | 第33页 |
| ·表情图像几何预处理 | 第33-34页 |
| ·表情图像灰度预处理 | 第34-35页 |
| ·深度自动编码器模型 | 第35-37页 |
| ·实验结果及分析 | 第37-47页 |
| ·GENKI4K数据库实验 | 第37-44页 |
| ·实验采集图像库 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 基于Gabor与深度自动编码器的笑脸识别方法 | 第49-58页 |
| ·引言 | 第49页 |
| ·Gabor特征融合 | 第49-52页 |
| ·融合方式 1 | 第50-51页 |
| ·融合方式 2 | 第51-52页 |
| ·基于Gabor与深度自动编码器的笑脸识别方法 | 第52-54页 |
| ·实验结果及分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·本文工作总结 | 第58页 |
| ·工作展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读学位期间发表的论文 | 第65-66页 |
| 致谢 | 第66页 |