首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

宏表情到微表情的迁移学习模型研究

摘要第9-10页
ABSTRACT第10-11页
第一章 绪论第12-18页
    1.1 微表情研究背景和意义第12页
    1.2 微表情识别研究的现状分析第12-15页
        1.2.1 微表情的特点分析第13页
        1.2.2 目前数据库的现状分析第13-14页
        1.2.3 微表情识别技术的研究现状第14页
        1.2.4 微表情研究中的主要问题第14-15页
    1.3 迁移学习介绍第15-16页
    1.4 论文章节安排第16-18页
第二章 微表情数据库和宏表情数据库的建立第18-28页
    2.1 数据库概述第18-21页
        2.1.1 宏表情数据库第18-19页
        2.1.2 微表情数据库第19-20页
        2.1.3 各个数据库的特点分析第20-21页
    2.2 山东大学微表情数据库(SDU)的建立第21-27页
        2.2.1 SDU数据库综述第21-22页
        2.2.2 数据库建立过程第22-25页
        2.2.3 SDU数据库特点分析第25-27页
    2.3 本章小结第27-28页
第三章 宏表情和微表情特征提取第28-36页
    3.1 特征提取方法综述第28-29页
    3.2 宏表情数据特征提取第29页
    3.3 微表情序列特征提取第29-35页
        3.3.1 光流特征第30-31页
        3.3.2 基于LBP原理改进的特征第31-34页
        3.3.3 微表情特征特点分析第34-35页
    3.4 本章小结第35-36页
第四章 基于字典稀疏的宏表情到微表情的迁移学习第36-44页
    4.1 模型建立第36-39页
        4.1.1 稀疏字典第36页
        4.1.2 前期数据准备第36-37页
        4.1.3 损失函数第37-38页
        4.1.4 字典重构第38-39页
    4.2 问题求解第39-40页
    4.3 实验结果与分析第40-43页
    4.4 本章小结第43-44页
第五章 基于多特征多任务字典稀疏的宏表情到微表情的迁移学习第44-61页
    5.1 基于多特征字典稀疏的宏表情到微表情的迁移学习第44-49页
        5.1.1 模型建立第44-48页
        5.1.2 求解第48-49页
    5.2 基于多特征多任务字典稀疏的宏表情到微表情的迁移学习第49-52页
        5.2.1 模型建立第49-52页
    5.3 实验结果与分析第52-59页
    5.4 本章小结第59-61页
第六章 总结和展望第61-63页
    6.1 工作总结第61-62页
    6.2 工作展望第62-63页
参考文献第63-67页
致谢第67-68页
硕士期间研究成果第68-69页
学位论文评阅及答辩情况表第69页

论文共69页,点击 下载论文
上一篇:最佳去噪几何矩采样车道检测算法
下一篇:信息技术环境下任务型教学法在中职英语教学中的应用研究