| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 基于传统的表情识别算法研究现状 | 第12-13页 |
| 1.2.2 基于深度学习的表情识别算法研究现状 | 第13页 |
| 1.3 论文的主要内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 相关技术 | 第15-28页 |
| 2.1 表情识别主要工作流程 | 第15-16页 |
| 2.2 卷积神经网络 | 第16-20页 |
| 2.2.1 局部感受野 | 第17页 |
| 2.2.2 权值共享 | 第17页 |
| 2.2.3 池化 | 第17-18页 |
| 2.2.4 CNN模型 | 第18页 |
| 2.2.5 CNN相关算法 | 第18-20页 |
| 2.3 循环神经网络 | 第20-21页 |
| 2.4 YOLO算法 | 第21-23页 |
| 2.5 人脸验证 | 第23-25页 |
| 2.6 深度学习框架 | 第25-26页 |
| 2.7 Spark计算框架 | 第26-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第三章 基于深度学习的表情识别算法设计 | 第28-47页 |
| 3.1 引言 | 第28-29页 |
| 3.2 算法总体设计 | 第29-31页 |
| 3.3 FEYOLO人脸表情识别算法 | 第31-32页 |
| 3.4 FEYOLO网络结构 | 第32-35页 |
| 3.5 Inception结构 | 第35-38页 |
| 3.6 结合长短期记忆网络的改进 | 第38-40页 |
| 3.7 激活函数 | 第40-41页 |
| 3.8 损失函数 | 第41-43页 |
| 3.9 多人脸表情识别 | 第43-46页 |
| 3.10 本章小结 | 第46-47页 |
| 第四章 基于深度学习的人脸验证算法设计 | 第47-56页 |
| 4.1 数据预处理 | 第47页 |
| 4.2 结合LSTM的人脸验证 | 第47-53页 |
| 4.2.1 长短期深度身份识别算法(LSTDeepID) | 第49-51页 |
| 4.2.2 联合贝叶斯 | 第51-52页 |
| 4.2.3 神经网络分类器 | 第52-53页 |
| 4.2.4 混合分类器验证 | 第53页 |
| 4.3 人脸验证算法的并行化 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 基于深度学习的表情识别系统的设计 | 第56-61页 |
| 5.1 系统总体需求和设计思路 | 第56-57页 |
| 5.2 系统总体结构 | 第57-59页 |
| 5.3 系统处理流程 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 算法评估与系统测试 | 第61-72页 |
| 6.1 算法评估实验 | 第61-69页 |
| 6.1.1 实验环境和实验数据集 | 第61页 |
| 6.1.2 实验评估指标 | 第61-63页 |
| 6.1.3 实验结果与分析 | 第63-69页 |
| 6.2 人脸表情识别系统的测试 | 第69-71页 |
| 6.2.1 人脸表情识别系统的运行环境 | 第69-70页 |
| 6.2.2 表情识别系统的功能页面展示 | 第70-71页 |
| 6.3 本章小结 | 第71-72页 |
| 结论与展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附件 | 第80页 |