声明
致谢
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 人脸识别技术
1.2.2 基于 FaceNet 的人脸识别技术
1.2.3 生成对抗网络研究现状
1.3 本文主要工作
1.4 本文组织结构
2 相关算法与理论
2.1 卷积神经网络
2.1.1 卷积神经网络的结构
2.1.2 轻量化卷积神经网络
2.1.3 多任务级联卷积神经网络
2.2 人脸识别经典模型-FaceNet
2.2.1 FaceNet 基本结构
2.2.2 GoogLeNet
2.3 生成对抗网络 GAN
2.3.1 经典生成对抗网络
2.3.2 条件生成对抗网络 CGAN
2.4 数据集与评价指标
2.4.1 数据集介绍
2.4.2 评价指标
2.5 本章小结
3 基于 MobileNet的轻量化 FaceNet 模型
3.1 引言
3.2 MobileNet轻量化模型
3.3 基于 MobileNet的 FaceNet模型
3.3.1 网络模型设计
3.3.2 损失函数选取
3.4 实验结果与分析
3.5 本章小结
4 基于改进生成对抗网络的人脸多表情识别
4.1 引言
4.2 自注意力机制
4.3 残余表情识别模型
4.4 融合自注意力机制的残余表情识别模型
4.4.1 工作原理与网络结构
4.4.2 损失函数
4.4.3 实验结果与分析
4.5 本章小结
5 基于深度学习的视频自动剪辑系统
5.1 引言
5.2 基于 PyQt5 框架的视频自动剪辑系统
5.3 本章小结
6 总结与展望
6.1 总结
6.2 展望
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);