|
|
|
|
基于深度学习的人脸表情识别 |
| |
| 论文目录 |
| |
| 摘要 | 第1-7页 | | Abstract | 第7-12页 | | 第一章 绪论 | 第12-22页 | | ·课题的背景和意义 | 第12-13页 | | ·人脸表情识别技术国内外现状 | 第13-18页 | | ·表情特征提取方法 | 第14-16页 | | ·特征降维方法 | 第16-17页 | | ·特征分解的方法 | 第17-18页 | | ·表情分类 | 第18-20页 | | ·隐马尔可夫模型法 | 第18页 | | ·人工神经网络法 | 第18页 | | ·支持向量机法 | 第18-19页 | | ·Adaboost 法 | 第19页 | | ·K 最近邻算法 | 第19页 | | ·稀疏表示分类法 | 第19-20页 | | ·小结 | 第20页 | | ·本文主要研究内容 | 第20页 | | ·本文章节安排 | 第20-22页 | | 第二章 深度学习的基本原理 | 第22-34页 | | ·引言 | 第22-23页 | | ·深度信念网络的基本原理 | 第23-25页 | | ·受限玻尔兹曼机 | 第23页 | | ·深度信念网络 | 第23-25页 | | ·卷积神经网络的基本原理 | 第25-29页 | | ·卷积神经网络的网络结构 | 第25-26页 | | ·关于参数减少与权值共享 | 第26-27页 | | ·卷积网络的训练过程 | 第27-29页 | | ·去噪自动编码器的基本原理 | 第29-32页 | | ·去噪自动编码器的网络结构 | 第29-31页 | | ·去噪自动编码器的特点理解 | 第31-32页 | | ·深度学习的应用 | 第32-33页 | | ·小结 | 第33-34页 | | 第三章 基于深度信念网络的人脸表情识别 | 第34-49页 | | ·引言 | 第34页 | | ·多层感知器的基本原理 | 第34-37页 | | ·MLP 神经网络模型 | 第34-35页 | | ·全互联 MLP 神经网络模型 | 第35-37页 | | ·深度信念网络与多层感知器的融合 | 第37-38页 | | ·人脸表情特征提取——局部二元模式 | 第38-40页 | | ·实验结果与分析 | 第40-48页 | | ·实验设置 | 第40-41页 | | ·基于 DBNs 的对原始像素人脸表情识别实验结果 | 第41-44页 | | ·基于 DBNs 的对 LBP 算子的人脸表情识别实验结果 | 第44-46页 | | ·性能比较 | 第46-48页 | | ·结论 | 第48-49页 | | 第四章 基于深度信念网络的鲁棒性人脸表情识别 | 第49-54页 | | ·引言 | 第49页 | | ·鲁棒性实验结果及分析 | 第49-53页 | | ·基于深度信念网络的鲁棒性实验结果 | 第49-50页 | | ·性能比较 | 第50-53页 | | ·小结 | 第53-54页 | | 第五章 系统设计与实现 | 第54-62页 | | ·引言 | 第54页 | | ·GUI 的设计原则及界面层次结构 | 第54-57页 | | ·GUI 的设计原则 | 第54-55页 | | ·GUI 的界面层次结构 | 第55-57页 | | ·GUDIE 组件及属性 | 第57-59页 | | ·常用组件 | 第57-58页 | | ·组件属性 | 第58-59页 | | ·系统软件实现 | 第59-61页 | | ·系统小结 | 第61-62页 | | 第六章 总结与展望 | 第62-65页 | | ·工作总结 | 第62页 | | ·不足与展望 | 第62-65页 | | ·人脸表情数据库建设 | 第63页 | | ·微表情特征提取 | 第63页 | | ·基于多特征融合的人脸表情识别 | 第63-64页 | | ·表情识别的鲁棒性 | 第64-65页 | | 参考文献 | 第65-70页 | | 致谢 | 第70-71页 | | 攻读学位期间的研究成果 | 第71页 |
|
|
|
|
论文编号BS2312996，这篇论文共71页
会员购买按0.35元/页下载，共需支付24.85元。 直接购买按0.5元/页下载，共需要支付35.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务