声明
致谢
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 本文组织结构
2 基于深度学习的面部微表情识别相关技术
2.1 引言
2.2 数据预处理
2.3 特征工程
2.3.1 基于几何的特征工程
2.3.2 基于外观的特征工程
2.3.3 基于深度学习的特征工程
2.4 分类方法
2.5 数据集
2.6 评价标准
2.7 本章小结
3 基于改进光流法和卷积神经网络的面部微表情识
3.1 引言
3.2 数据预处理
3.2.1 人脸检测
3.2.2 面部细微运动特征放大
3.2.3 提取起始帧和顶点帧
3.2.4 数据扩增
3.3 改进的光流法
3.4 卷积神经网络
3.5.1 实验数据集和评估方式
3.5.2 实验平台和过程
3.5.3 实验结果与分析
3.6 本章小结
4 基于迁移学习的面部微表情识别
4.1 引言
4.2.1 迁移学习定义
4.2.2 迁移学习微调方式与应用场景
4.3.1 Inception 网络
4.3.2 残差神经网络
4.3.3 Inception v4 网络
4.4.1 实验数据集
4.4.2 实验平台和过程
4.4.3 实验结果与分析
4.5 本章小结
5 面部微表情识别原型系统设计与实现
5.1 系统框架
5.2.1 数据预处理模块
5.2.2 基于改进光流法和卷积神经网络的微表情识别模块
5.2.3 基于迁移学习的微表情识别模块
5.2.4 可视化模块
5.3 原型系统实现
5.3.1 数据预处理模块实现
5.3.2 基于改进光流法和卷积神经网络的微表情识别模块实现
5.3.3 基于迁移学习的微表情识别模块实现
5.3.4 可视化模块实现
5.4 本章小结
6 总结与展望
6.1 总结
6.2 未来研究工作
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学中国矿业大学(江苏);