教育论文网

基于生成对抗网络与知识蒸馏的人脸修复与表情识别

论文目录
摘要第1-7页
abstract第7-8页
第1章 绪论第12-19页
    1.1 研究背景及意义第12-13页
    1.2 国内外研究现状第13-16页
        1.2.1 人脸修复研究现状第13-15页
        1.2.2 人脸表情识别研究现状第15-16页
    1.3 论文研究内容第16-18页
        1.3.1 研究目的第16-17页
        1.3.2 研究内容第17-18页
    1.4 论文组织结构第18-19页
第2章 生成对抗网络与知识蒸馏的理论基础第19-26页
    2.1 卷积神经网络第19-20页
    2.2 生成对抗网络第20-23页
        2.2.1 生成对抗网络的理论基础第20-21页
        2.2.2 生成对抗网络的发展与优化第21-23页
    2.3 知识蒸馏第23-25页
        2.3.1 知识蒸馏的理论基础第23-24页
        2.3.2 知识蒸馏发展与优化第24-25页
    2.4 本章小结第25-26页
第3章 基于生成对抗网络与噪声分割的人脸修复第26-43页
    3.1 基于经典生成对抗网络进行人脸修复第26-35页
        3.1.1 数据集介绍第26-27页
        3.1.2 评价标准第27-29页
        3.1.3 经典生成对抗网络方法第29-32页
        3.1.4 经典方法实验细节第32-33页
        3.1.5 经典方法实验结果对比与分析第33-35页
    3.2 基于知识蒸馏优化的人脸噪声语义分割算法第35-40页
        3.2.1 噪声语义分割算法概述第35-36页
        3.2.2 基于知识蒸馏优化的UNet++第36-38页
        3.2.3 蒸馏损失第38-39页
        3.2.4 实验细节第39页
        3.2.5 噪声语义分割结果对比第39-40页
    3.3 利用人脸噪声语义分割方法优化经典生成对抗网络第40-42页
        3.3.1 人脸修复网络结构第40-41页
        3.3.2 实验结果对比与分析第41-42页
    3.4 本章小结第42-43页
第4章 基于伪孪生网络的知识蒸馏表情识别方法第43-56页
    4.1 人脸表情识别第43-45页
        4.1.1 人脸表情存在的问题与难点第43-44页
        4.1.2 现有解决方法和分析第44-45页
    4.2 基于伪孪生网络的知识蒸馏网络结构第45-52页
        4.2.1 蒸馏网络学生模型设计第46-48页
        4.2.2 蒸馏网络教师模型设计第48页
        4.2.3 注意力模块设计第48-50页
        4.2.4 损失函数设计第50-51页
        4.2.5 伪孪生网络的深度整合第51-52页
    4.3 表情识别实验第52-55页
        4.3.1 实验数据集第52页
        4.3.2 评价标准第52页
        4.3.3 实现细节第52-53页
        4.3.4 实验结果与分析第53-54页
        4.3.5 孪生网络深度整合方案选择第54-55页
    4.4 本章小结第55-56页
第5章 总结与展望第56-58页
    5.1 工作总结第56-57页
    5.2 未来展望第57-58页
参考文献第58-64页
作者简介及在学期间所取得的科研成果第64-65页
致谢第65页

本篇论文共65页,点击 这进入下载页面

 
 
Copyright(C) All Rights Reserved
客服QQ:304386486
目录由用户 yaoyi** 提供,作者删除入口请点击这里