| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的背景及意义 | 第8-9页 |
| 1.2 新生儿疼痛表情识别的国内外研究现状 | 第9-10页 |
| 1.3 主要研究内容及章节安排 | 第10-12页 |
| 1.3.1 主要内容 | 第10页 |
| 1.3.2 章节安排 | 第10-12页 |
| 第二章 新生儿面部表情视频库 | 第12-16页 |
| 2.1 新生儿面部表情视频的采集 | 第12-13页 |
| 2.2 新生儿疼痛表情视频库的建立 | 第13-15页 |
| 2.2.1 原始视频的预处理 | 第13-15页 |
| 2.2.2 数据集扩增 | 第15页 |
| 2.3 本章小结 | 第15-16页 |
| 第三章 深度学习的基本理论 | 第16-42页 |
| 3.1 深度学习概述 | 第16-19页 |
| 3.1.1 深度学习的背景 | 第16-17页 |
| 3.1.2 深度学习的实际应用 | 第17-18页 |
| 3.1.3 深度学习的挑战 | 第18-19页 |
| 3.2 卷积神经网络 | 第19-30页 |
| 3.2.1 卷积神经网络的背景知识 | 第19-20页 |
| 3.2.2 基本卷积运算 | 第20-21页 |
| 3.2.3 卷积网络结构的原理 | 第21-29页 |
| 3.2.4 卷积神经网络的优缺点 | 第29-30页 |
| 3.3 循环神经网络 | 第30-38页 |
| 3.3.1 循环神经网络的背景知识 | 第30-35页 |
| 3.3.2 长短期记忆网络原理 | 第35-37页 |
| 3.3.3 其他变种长短期记忆网络 | 第37-38页 |
| 3.4 激活函数 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于LRCN网络的新生儿疼痛表情识别 | 第42-51页 |
| 4.1 LRCN网络的介绍 | 第42-43页 |
| 4.2 LRCN网络的基本原理 | 第43-49页 |
| 4.2.1 基于不同CNN的LRCN网络的新生儿疼痛表情识别 | 第43-44页 |
| 4.2.2 基于双向LSTM的LRCN网络的新生儿疼痛表情识别 | 第44-48页 |
| 4.2.3 损失函数与正则化 | 第48-49页 |
| 4.3 其他深度神经网络算法 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 实验与分析 | 第51-56页 |
| 5.1 实验基本硬件配置与环境搭建 | 第51-52页 |
| 5.2 实验样本集与参数设置 | 第52-53页 |
| 5.3 方法比较与分析 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 附录 1 攻读硕士学位期间撰写的专利 | 第60-61页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |