| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 引言 | 第9页 |
| 1.2 课题的背景和意义 | 第9-10页 |
| 1.3 深度学习的国内外研究概括 | 第10-14页 |
| 1.4 人脸面部表情识别的国内外研究概括 | 第14-15页 |
| 1.5 本文研究的内容 | 第15-16页 |
| 1.5.1 深度学习模型的训练 | 第15页 |
| 1.5.2 深度学习模型的构造和选取 | 第15页 |
| 1.5.3 基于深度学习的识别方法 | 第15-16页 |
| 1.6 本文的内容安排 | 第16-17页 |
| 第二章 深度学习概述 | 第17-28页 |
| 2.1 引言 | 第17-18页 |
| 2.2 深度信念网络的基本原理 | 第18-22页 |
| 2.2.1 受限波尔兹曼机 | 第18-20页 |
| 2.2.2 深度信念网络 | 第20-22页 |
| 2.3 卷积神经网络的基本原理 | 第22-25页 |
| 2.3.1 卷积神经网络的网络结构 | 第23-24页 |
| 2.3.2 关于参数减少和权值共享 | 第24页 |
| 2.3.3 卷积神经网络的训练过程 | 第24-25页 |
| 2.4 去噪自动编码器的基本原理 | 第25-27页 |
| 2.5 小结 | 第27-28页 |
| 第三章 人脸表情识别介绍 | 第28-36页 |
| 3.1 引言 | 第28-29页 |
| 3.2 表情特征降维和提取方法 | 第29-33页 |
| 3.2.1 表情特征提取方法 | 第29-32页 |
| 3.2.2 特征降维方法 | 第32-33页 |
| 3.2.3 特征分解的方法 | 第33页 |
| 3.3 表情分类方法 | 第33-35页 |
| 3.3.1 人工神经网络法(ANN) | 第33-34页 |
| 3.3.2 支持向量机(SVM) | 第34页 |
| 3.3.3 Adaboost法 | 第34页 |
| 3.3.4 K最近邻算法(KNN) | 第34页 |
| 3.3.5 隐马尔可夫模型法(HMM) | 第34-35页 |
| 3.4 小结 | 第35-36页 |
| 第四章 基于深度信念网络的面部表情识别 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 多层感知器(MLP)的基本原理 | 第36-38页 |
| 4.3 基于深度信念网络的识别方法 | 第38页 |
| 4.4 实验过程 | 第38-41页 |
| 4.4.1 面部表情库的选取 | 第38-40页 |
| 4.4.2 实验设置 | 第40-41页 |
| 4.5 实验结果 | 第41-45页 |
| 4.5.1 基于DBNs对JAFFE图像库识别的实验结果 | 第42-44页 |
| 4.5.2 基于DBNs对dataSet图像库识别的实验结果 | 第44-45页 |
| 4.6 与其他传统表情识别方法的性能比较 | 第45-46页 |
| 4.7 小结 | 第46-48页 |
| 第五章 面部表情识别方法的实现 | 第48-53页 |
| 5.1 引言 | 第48-49页 |
| 5.2 工程管理 | 第49-50页 |
| 5.3 程序运行 | 第50-52页 |
| 5.3.1 程序的参数设置 | 第50-51页 |
| 5.3.2 程序运行 | 第51-52页 |
| 5.4 小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |