基于深度学习的面部表情识别文献综述
研究背景和意义
新时期我国科学技术的快速发展及信息化产业规模的不断扩大，为人机交互领域发展带来了重要的保障作用，并提升了人脸表情识别研究水平。在此背景下，为了确保人脸表情识别有效性，需要注重与之相关的基于深度学习的研究工作落实。在此基础上，计算机视觉领域的整体发展速度将逐渐加快，且人脸表情识别研究中也将得到更多的支持。因此，本文就基于深度学习的人脸表情识别的相关研究展开论述。本文引用了2012-2020八年间近20篇的中外论文来作综述，力求以最新最前沿的方法来开展基于深度学习的人脸表情识别研究工作，结合人脸表情识别的实际需要，加强对深度学习的深入分析，了解二者实践应用中的优势所在。
关键词: 深度学习 人脸表情识别 计算机视觉领域
国内研究概况
1图像预处理
结合人脸表情识别研究的实际需要，在运用深度学习算法的过程中应对其中的图像预处理进行必要的考虑。结合文献[1]中所述的内容，可知在人脸表情识别中为了提取到有效的特征点，需要注重图像预处理方式的合理运用。同时，在表情分类过程中，充分发挥出图像预处理的实际作用，有利于增强其分类合理性。像自适应中值滤波法法、维纳滤波法等，在这些处理方法的支持下，能够达到图像处理中去噪处理的目的，使得最终得到的图像质量更加可靠，满足人脸表情识别的多样化需求。除此之外，为了增强图像处理效果，也需要加强直方均衡化方式的使用。
2特征提取
结合人脸表情识别系统的结构特点及功能特性，可知其实践应用中的核心部分为特征提取。在具体的操作过程中，为了提高人脸表情识别效率，需要技术人员能够在特征提取方式的作用下，在有用的图片信息中提取到所需的人脸表情信息。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
