基于深度学习的人脸表情识别
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 国外研究现状 | 第8-9页 |
| 1.2.2 国内研究现状 | 第9-10页 |
| 1.3 人脸表情识别的难点 | 第10页 |
| 1.4 全文安排 | 第10-12页 |
| 第二章 人脸表情识别结构及特征分析 | 第12-21页 |
| 2.1 人脸表情识别系统结构 | 第12页 |
| 2.2 表情图像预处理 | 第12-13页 |
| 2.3 人脸表情特征提取 | 第13-15页 |
| 2.3.1 基于静态图形的识别方法 | 第13-14页 |
| 2.3.2 基于动态序列的人脸表情识别方法 | 第14-15页 |
| 2.4 人脸表情分类 | 第15-17页 |
| 2.5 本文采用的特征和方法 | 第17-20页 |
| 2.5.1 HOG特征 | 第17-18页 |
| 2.5.2 Gabor特征 | 第18-19页 |
| 2.5.3 PCA降维 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第三章 基于深度置信网的人脸表情器官解析 | 第21-29页 |
| 3.1 总体框架 | 第22-23页 |
| 3.2 贪婪图像缩放算法 | 第23-24页 |
| 3.3 检测器的学习 | 第24-26页 |
| 3.4 逻辑回归 | 第26-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 基于自动编码器的人脸表情分类 | 第29-34页 |
| 4.1 自动编码器 | 第29-30页 |
| 4.2 稀疏自动编码器 | 第30页 |
| 4.3 降噪自动编码器 | 第30-31页 |
| 4.4 Stacked自动编码器 | 第31-32页 |
| 4.5 梯度下降法 | 第32-33页 |
| 4.6 本章小结 | 第33-34页 |
| 第五章 人脸表情识别实验 | 第34-40页 |
| 5.1 人脸表情识别数据集 | 第34-35页 |
| 5.2 人脸表情识别实验环境 | 第35页 |
| 5.3 人脸表情识别实验结果与分析 | 第35-39页 |
| 5.4 本章小结 | 第39-40页 |
| 第六章 总结与展望 | 第40-42页 |
| 6.1 工作总结 | 第40-41页 |
| 6.2 未来展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 发表论文和参加科研情况说明 | 第46-47页 |
| 致谢 | 第47-48页 |
