基于深度学习的视频自动剪辑

目录

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