基于深度学习的面部表情识别技术研究
发布时间:2024-02-01 06:58
面部表情识别主要是指通过利用计算机对检测得到的面部表情进行特征的分析提取以及对面部表情进行分类识别,使计算机可以按照正常人的心理思维对面部表情进行识别和相应的分析理解和综合处理,满足人们在不同应用场景下的需求,建立更加智能化的一种人机交互环境。21世纪以来,计算机和人工智能以及他们的相关技术迅速发展,人类对计算机的认识和要求也越来越高。人们不仅希望计算机可以像人类那样,会听会说会看,还迫切地希望计算机可以更好地理解和表达一些属于人类自身的想法,更加智能化,从而帮助人们更快速便捷地完成工作。本文以进一步提高面部表情识别的准确性为主要研究目标,对基于深度学习方法的面部表情识别算法展开了一系列的探索和研究,为构建更有效的视觉特征服务提供了理论基础分析和相应的技术基础支撑,并构建了一套面部表情识别系统。本文的主要研究工作内容如下:1.本文提出了一种基于网络重构改进的SSD面部表情识别算法。在原始网络模型SSD目标检测算法的基础上,为提高SSD目标检测算法对于表情图像特征的提取能力,对SSD网络检测模型进行重构,保留特征提取效果较好的卷积层,利用卷积神经网络的特征可视化分析技术,对SSD网络模型...
【文章页数】:64 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 面部表情识别国内外研究现状
1.3 本文研究内容
1.4 论文结构及安排
2 相关基础论述
2.1 面部表情识别基本流程
2.2 卷积神经网络
2.3 SSD算法介绍
2.3.1 设计思路
2.3.2 网络结构
2.3.3 损失函数
2.4 本章小结
3 基于网络重构改进的SSD面部表情识别算法
3.1 引言
3.2 网络总体框架
3.2.1 网络结构
3.2.2 匹配策略
3.3 表情特征可视化分析
3.3.1 特征可视化方法
3.3.2 可视化结果分析
3.4 实验及结果分析
3.4.1 实验数据
3.4.2 实验设计
3.4.3 实验结果分析
3.5 本章小结
4 基于中心损失函数改进的SSD面部表情识别算法
4.1 引言
4.2 中心损失函数
4.3 损失函数设计
4.4 实验及结果分析
4.4.1 实验数据
4.4.2 实验设计
4.4.3 实验结果分析
4.5 本章小结
5 面部表情识别系统
5.1 系统总体架构
5.1.1 总体需求分析
5.1.2 功能模块划分
5.1.3 实验环境
5.2 系统界面
5.3 系统测试
5.3.1 控制部分功能测试
5.3.2 显示部分功能测试
5.4 本章小结
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
本文编号:3891739
【文章页数】:64 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 面部表情识别国内外研究现状
1.3 本文研究内容
1.4 论文结构及安排
2 相关基础论述
2.1 面部表情识别基本流程
2.2 卷积神经网络
2.3 SSD算法介绍
2.3.1 设计思路
2.3.2 网络结构
2.3.3 损失函数
2.4 本章小结
3 基于网络重构改进的SSD面部表情识别算法
3.1 引言
3.2 网络总体框架
3.2.1 网络结构
3.2.2 匹配策略
3.3 表情特征可视化分析
3.3.1 特征可视化方法
3.3.2 可视化结果分析
3.4 实验及结果分析
3.4.1 实验数据
3.4.2 实验设计
3.4.3 实验结果分析
3.5 本章小结
4 基于中心损失函数改进的SSD面部表情识别算法
4.1 引言
4.2 中心损失函数
4.3 损失函数设计
4.4 实验及结果分析
4.4.1 实验数据
4.4.2 实验设计
4.4.3 实验结果分析
4.5 本章小结
5 面部表情识别系统
5.1 系统总体架构
5.1.1 总体需求分析
5.1.2 功能模块划分
5.1.3 实验环境
5.2 系统界面
5.3 系统测试
5.3.1 控制部分功能测试
5.3.2 显示部分功能测试
5.4 本章小结
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
本文编号:3891739
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3891739.html