基于改进深度学习的表情识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 本课题研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 深度学习研究现状 | 第9-12页 |
| 1.2.2 表情识别研究现状 | 第12-13页 |
| 1.2.3 基于深度学习的表情识别研究现状 | 第13-14页 |
| 1.3 本课题研究内容和实施方案 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 实施方案 | 第15-16页 |
| 第2章 卷积神经网络和自动编码器 | 第16-20页 |
| 2.1 引言 | 第16-17页 |
| 2.2 卷积神经网络 | 第17-18页 |
| 2.3 自动编码器 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于半监督深度学习的表情特征提取方法 | 第20-39页 |
| 3.1 引言 | 第20-21页 |
| 3.2 表情图像预处理 | 第21-22页 |
| 3.3 半监督学习概述 | 第22-23页 |
| 3.4 自动编码器表情特征提取 | 第23-26页 |
| 3.5 卷积神经网络表情特征提取 | 第26-31页 |
| 3.5.1 网络层 | 第26-28页 |
| 3.5.2 网络配置 | 第28-31页 |
| 3.6 半监督深度学习模型表情特征提取训练 | 第31-33页 |
| 3.7 SOFTMAX分类器 | 第33-34页 |
| 3.8 实验描述及结果分析 | 第34-38页 |
| 3.8.1 实验描述 | 第34-36页 |
| 3.8.2 结果分析 | 第36-38页 |
| 3.9 本章小结 | 第38-39页 |
| 第4章 基于正则化编码的表情分类器 | 第39-52页 |
| 4.1 引言 | 第39页 |
| 4.2 稀疏表示 | 第39-41页 |
| 4.3 正则化编码表情分类器 | 第41-43页 |
| 4.3.1 L_1正则化编码 | 第41-43页 |
| 4.3.2 最小逼近残差准则分类 | 第43页 |
| 4.4 实验描述及结果分析 | 第43-51页 |
| 4.4.1 实验描述 | 第44-46页 |
| 4.4.2 结果分析 | 第46-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 基于改进半监督深度学习的表情识别 | 第52-67页 |
| 5.1 引言 | 第52-53页 |
| 5.2 改进半监督深度学习模型 | 第53-56页 |
| 5.2.1 L_2正则项损失函数 | 第53-54页 |
| 5.2.2 改进半监督深度学习训练 | 第54-56页 |
| 5.3 实验描述与结果分析 | 第56-65页 |
| 5.3.1 实验描述 | 第56-58页 |
| 5.3.2 结果分析 | 第58-65页 |
| 5.3.3 自制数据集测试 | 第65页 |
| 5.4 本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 作者简介 | 第75-76页 |
| 攻读硕士学位期间研究成果 | 第76页 |
