基于深度学习的人类表情识别方法研究

目录

声明

第1章 绪论

1.1 论文选题背景

1.2 研究目的及意义

1.3 国内外相关技术发展及现状

1.4 本文主要工作及章节安排

第2章 基于人工神经网络的表情识别方法

2.1 人工神经网络

2.1.1 神经元

2.1.2 多层感知器

2.2 卷积神经网络

2.2.1 卷积神经网络结构

2.2.2 卷积神经网络特点

2.3 参数更新方法

2.3.1 目标函数

2.3.2 梯度下降算法

2.3.3 随机梯度下降算法

2.4 基于深度学习的图像识别方法

2.4.1 深度学习与浅层学习

2.4.2 深度学习图像识别基本模型

2.5 本章小结

第3章 基于深度卷积神经网络的表情识别方法

3.1 深度卷积神经网络模型构建

3.1.1 VGG卷积神经网络

3.1.2 基于VGG的表情识别模型

3.1.3 卷积神经网络模型训练过程

3.2 梯度消失与梯度爆炸问题研究

3.2.1 梯度消失与梯度爆炸问题

3.2.2 ReL 激活函数

3.2.3 LReLU 激活函数

3.3 卷积神经网络的正则化

3.3.1 过拟合问题

3.3.2 正则化交叉熵函数

3.4 实验结果与分析

3.4.1 实验数据集及实验环境

3.4.2 实验结果分析

3.5 本章小结

第4章 基于PSO和GA算法优化的深度CNN

4.1 PSO算法

4.1.1 PSO算法原理

4.1.2 PSO算法实现步骤

4.2基于PSO算法的深度CNN优化方法

4.3 基于GA算法的混合粒子群算法

4.3.1 GA算法

4.3.2 GA-PSO算法

4.4 基于GA-PSO算法的深度CNN优化方法

4.5 本章小结

第5章 基于PSO与GA-PSO优化深度CNN 的表情识别实验

5.1 面部表情数据集

5.2 表情数据预处理

5.2.1 面部的检测与定位

5.2.2 面部图像尺度归一化与灰度均衡化

5.3 实验与分析

5.3.1 表情识别准确度评价标准

5.3.2 实验结果与分析

5.4 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

参考文献

作者简介及在攻读硕士期间取得的科研成果

致谢