發(fā)布時(shí)間：2024-02-01 06:58

　　面部表情識別主要是指通過利用計(jì)算機(jī)對檢測得到的面部表情進(jìn)行特征的分析提取以及對面部表情進(jìn)行分類識別,使計(jì)算機(jī)可以按照正常人的心理思維對面部表情進(jìn)行識別和相應(yīng)的分析理解和綜合處理,滿足人們在不同應(yīng)用場景下的需求,建立更加智能化的一種人機(jī)交互環(huán)境。21世紀(jì)以來,計(jì)算機(jī)和人工智能以及他們的相關(guān)技術(shù)迅速發(fā)展,人類對計(jì)算機(jī)的認(rèn)識和要求也越來越高。人們不僅希望計(jì)算機(jī)可以像人類那樣,會聽會說會看,還迫切地希望計(jì)算機(jī)可以更好地理解和表達(dá)一些屬于人類自身的想法,更加智能化,從而幫助人們更快速便捷地完成工作。本文以進(jìn)一步提高面部表情識別的準(zhǔn)確性為主要研究目標(biāo),對基于深度學(xué)習(xí)方法的面部表情識別算法展開了一系列的探索和研究,為構(gòu)建更有效的視覺特征服務(wù)提供了理論基礎(chǔ)分析和相應(yīng)的技術(shù)基礎(chǔ)支撐,并構(gòu)建了一套面部表情識別系統(tǒng)。本文的主要研究工作內(nèi)容如下:1.本文提出了一種基于網(wǎng)絡(luò)重構(gòu)改進(jìn)的SSD面部表情識別算法。在原始網(wǎng)絡(luò)模型SSD目標(biāo)檢測算法的基礎(chǔ)上,為提高SSD目標(biāo)檢測算法對于表情圖像特征的提取能力,對SSD網(wǎng)絡(luò)檢測模型進(jìn)行重構(gòu),保留特征提取效果較好的卷積層,利用卷積神經(jīng)網(wǎng)絡(luò)的特征可視化分析技術(shù),對SSD網(wǎng)絡(luò)模型...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 面部表情識別國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 論文結(jié)構(gòu)及安排
2 相關(guān)基礎(chǔ)論述
    2.1 面部表情識別基本流程
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 SSD算法介紹
        2.3.1 設(shè)計(jì)思路
        2.3.2 網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.3 損失函數(shù)
    2.4 本章小結(jié)
3 基于網(wǎng)絡(luò)重構(gòu)改進(jìn)的SSD面部表情識別算法
    3.1 引言
    3.2 網(wǎng)絡(luò)總體框架
        3.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 匹配策略
    3.3 表情特征可視化分析
        3.3.1 特征可視化方法
        3.3.2 可視化結(jié)果分析
    3.4 實(shí)驗(yàn)及結(jié)果分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)
        3.4.2 實(shí)驗(yàn)設(shè)計(jì)
        3.4.3 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
4 基于中心損失函數(shù)改進(jìn)的SSD面部表情識別算法
    4.1 引言
    4.2 中心損失函數(shù)
    4.3 損失函數(shù)設(shè)計(jì)
    4.4 實(shí)驗(yàn)及結(jié)果分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)
        4.4.2 實(shí)驗(yàn)設(shè)計(jì)
        4.4.3 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
5 面部表情識別系統(tǒng)
    5.1 系統(tǒng)總體架構(gòu)
        5.1.1 總體需求分析
        5.1.2 功能模塊劃分
        5.1.3 實(shí)驗(yàn)環(huán)境
    5.2 系統(tǒng)界面
    5.3 系統(tǒng)測試
        5.3.1 控制部分功能測試
        5.3.2 顯示部分功能測試
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
作者簡歷及攻讀碩士學(xué)位期間的科研成果



本文編號：3891739