| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第16-28页 |
| 1.1 研究背景 | 第16-18页 |
| 1.2 人脸表情识别研究现状 | 第18-22页 |
| 1.2.1 基于传统特征的人脸表情识别方法 | 第18-19页 |
| 1.2.2 基于深度学习的人脸表情识别方法 | 第19-20页 |
| 1.2.3 情感识别、动作单元识别与情感空间预测方法 | 第20页 |
| 1.2.4 动态人脸表情识别方法 | 第20-22页 |
| 1.3 深度学习研究现状 | 第22-26页 |
| 1.3.1 卷积神经网络 | 第22-23页 |
| 1.3.2 三维卷积神经网络 | 第23-24页 |
| 1.3.3 注意力模型 | 第24-25页 |
| 1.3.4 二值神经网络 | 第25-26页 |
| 1.4 本文的内容安排 | 第26-28页 |
| 2 基于卷积神经网络的人脸表情识别 | 第28-38页 |
| 2.1 卷积神经网络及其训练方法 | 第28-31页 |
| 2.2 卷积特征迁移方法 | 第31-32页 |
| 2.3 实验与结果分析 | 第32-37页 |
| 2.3.1 数据集与预处理 | 第32-33页 |
| 2.3.2 基于卷积神经网络的人脸表情识别实验 | 第33-34页 |
| 2.3.3 人脸表情卷积特征迁移实验 | 第34-37页 |
| 2.4 本章小节 | 第37-38页 |
| 3 基于视觉注意力的人脸感兴趣区域检测与表情识别 | 第38-54页 |
| 3.1 卷积神经网络的可视化 | 第38-39页 |
| 3.2 动作单元相关的人脸表情识别 | 第39-40页 |
| 3.3 基于基准卷积神经网络的人脸表情识别 | 第40页 |
| 3.4 带有视觉注意力的卷积神经网络的人脸表情识别 | 第40-43页 |
| 3.5 实验与结果分析 | 第43-53页 |
| 3.5.1 数据集与预处理 | 第43-45页 |
| 3.5.2 RaFD-FRONT数据集上的人脸表情识别 | 第45-47页 |
| 3.5.3 RaFD-POSE数据集上的人脸表情识别 | 第47-51页 |
| 3.5.4 SFEW数据集上的人脸表情识别 | 第51页 |
| 3.5.5 HAPPEI数据集上的视觉注意力模型可视化 | 第51-52页 |
| 3.5.6 对视觉注意力模型的进一步分析 | 第52-53页 |
| 3.6 本章小结 | 第53-54页 |
| 4 基于卷积-反卷积神经网络的人脸互补特征提取与表情识别 | 第54-69页 |
| 4.1 基于反卷积神经网络的图像合成 | 第55页 |
| 4.2 人脸互补特征提取方法 | 第55-57页 |
| 4.3 基于互补特征的人脸合成方法 | 第57-59页 |
| 4.4 基于互补特征的人脸插值方法 | 第59-60页 |
| 4.5 实验与结果分析 | 第60-68页 |
| 4.5.1 数据集与预处理 | 第60-61页 |
| 4.5.2 基于NET-3的人脸特征提取、重构与表情识别实验 | 第61-63页 |
| 4.5.3 基于NET-2b与NET-3b的人脸合成实验 | 第63-65页 |
| 4.5.4 基于NET-3的人脸插值实验 | 第65页 |
| 4.5.5 基于NET-3的人脸身份验证实验 | 第65-68页 |
| 4.6 本章小结 | 第68-69页 |
| 5 基于三维卷积神经网络与决策融合的人脸表情动作识别 | 第69-91页 |
| 5.1 三维卷积神经网络统一框架 | 第69-77页 |
| 5.1.1 三维卷积层 | 第70-71页 |
| 5.1.2 三维最大池化层 | 第71-72页 |
| 5.1.3 三维Dropout层 | 第72-73页 |
| 5.1.4 三维Gabor层 | 第73-75页 |
| 5.1.5 三维光流层 | 第75-76页 |
| 5.1.6 三维卷积神经网络的一般设计原则 | 第76-77页 |
| 5.2 三维卷积神经网络权重初始化新方法 | 第77-78页 |
| 5.3 基于三维卷积神经网络的人脸表情识别方法 | 第78-80页 |
| 5.4 实验与结果分析 | 第80-86页 |
| 5.4.1 数据集与预处理 | 第80-81页 |
| 5.4.2 摆拍人脸表情识别实验 | 第81-84页 |
| 5.4.3 自发人脸表情识别实验 | 第84-86页 |
| 5.5 本章小结 | 第86-91页 |
| 6 基于二值神经网络的人脸表情快速识别 | 第91-108页 |
| 6.1 总体框架 | 第91-92页 |
| 6.2 二值自编码器 | 第92-96页 |
| 6.2.1 单层二值自编码器 | 第92-95页 |
| 6.2.2 栈式二值自编码器 | 第95页 |
| 6.2.3 基于二值特征的迁移学习方法 | 第95页 |
| 6.2.4 二值自编码器特征与哈希编码的关系 | 第95-96页 |
| 6.3 多尺度稠密局部二元模式特征 | 第96-97页 |
| 6.4 非受限人脸归一化方法 | 第97-98页 |
| 6.5 实验与结果分析 | 第98-106页 |
| 6.5.1 数据集与预处理 | 第98-100页 |
| 6.5.2 SFEW数据集上的线性支持向量机实验 | 第100-102页 |
| 6.5.3 SFEW数据集上的二值自编码器实验 | 第102-104页 |
| 6.5.4 SFEW数据集上的栈式二值自编码器实验 | 第104页 |
| 6.5.5 SFEW数据集上的二值神经网络实验 | 第104-106页 |
| 6.5.6 RaFD数据集上的实验 | 第106页 |
| 6.6 本章小结 | 第106-108页 |
| 7 总结与展望 | 第108-110页 |
| 7.1 本文工作总结 | 第108页 |
| 7.2 未来工作展望 | 第108-110页 |
| 致谢 | 第110-111页 |
| 参考文献 | 第111-129页 |
| 附录 | 第129页 |
广告服务 
