基于卷积神经网络的新生儿疼痛表情识别方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 深度学习的兴起 | 第12-13页 |
| 1.4 课题研究存在的问题 | 第13-14页 |
| 1.5 主要研究内容及章节安排 | 第14-16页 |
| 1.5.1 主要内容 | 第14页 |
| 1.5.2 章节安排 | 第14-16页 |
| 第二章 卷积神经网络的基本理论 | 第16-29页 |
| 2.1 深度学习的基本概述 | 第16-19页 |
| 2.1.1 深度学习的起源与发展 | 第16-18页 |
| 2.1.2 深度学习网络的本质 | 第18-19页 |
| 2.1.3 深度学习算法的分类 | 第19页 |
| 2.2 卷积神经网络的基本原理 | 第19-25页 |
| 2.2.1 卷积神经网络的基本结构 | 第20-23页 |
| 2.2.2 局部感知与权值共享 | 第23-24页 |
| 2.2.3 多核卷积与池化采样 | 第24-25页 |
| 2.3 卷积神经网络结构 | 第25-28页 |
| 2.3.1 卷积层 | 第25-26页 |
| 2.3.2 池化层 | 第26-27页 |
| 2.3.3 连接层 | 第27-28页 |
| 2.3.4 分类层 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 新生儿疼痛表情数据库 | 第29-40页 |
| 3.1 新生儿疼痛表情数据库简介 | 第29页 |
| 3.2 新生儿疼痛表情视频库的建立 | 第29-30页 |
| 3.2.1 视频采集和处理 | 第29-30页 |
| 3.2.2 视频库的建立 | 第30页 |
| 3.3 基于Adaboost的新生儿人脸检测 | 第30-36页 |
| 3.3.1 新生儿人脸检测目的与意义 | 第30-31页 |
| 3.3.2 Adaboost人脸检测基本理论 | 第31-33页 |
| 3.3.3 Adaboost新生儿人脸检测实验 | 第33-36页 |
| 3.4 新生儿疼痛表情图像库的建立 | 第36-39页 |
| 3.4.1 图像的采集和预处理 | 第37页 |
| 3.4.2 图像库的建立 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于卷积神经网络的新生儿疼痛表情识别 | 第40-58页 |
| 4.1 实验方案的设计 | 第40-45页 |
| 4.1.1 实验目标 | 第40页 |
| 4.1.2 实验样本库 | 第40-42页 |
| 4.1.3 实验网络结构 | 第42-43页 |
| 4.1.4 实验流程 | 第43-45页 |
| 4.2 实验平台的搭建 | 第45-46页 |
| 4.2.1 硬件平台 | 第45页 |
| 4.2.2 软件平台 | 第45-46页 |
| 4.3 实验结果与分析 | 第46-56页 |
| 4.3.1 平静与非平静 | 第47-49页 |
| 4.3.2 疼痛与非疼痛 | 第49-51页 |
| 4.3.3 平静/哭/疼痛 | 第51-53页 |
| 4.3.4 平静/哭/轻度疼痛/重度疼痛 | 第53-55页 |
| 4.3.5 实验结果总结 | 第55-56页 |
| 4.4 实验对比 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 新生儿疼痛表情识别系统的实现 | 第58-63页 |
| 5.1 系统设计思路与模块 | 第58-60页 |
| 5.1.1 系统设计基本思路 | 第58-59页 |
| 5.1.2 系统设计基本模块 | 第59-60页 |
| 5.2 系统基本功能与使用 | 第60-62页 |
| 5.2.1 系统的基本功能 | 第60页 |
| 5.2.2 系统的使用流程 | 第60-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 附录1 攻读硕士学位期间申请的专利 | 第68-69页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70-71页 |
