全文总字数：1968字

1. 研究目的与意义及国内外研究现状

意义：作为最直观的感受他人情绪的方式，在过去的十几年里，图片情感识别拥有相当大的使用空间，在目前数据量的基和硬件环境础下，图片情感识别在现实中得到了很大的发展和应用，图片情感分析中的重点是颜色特征的提取，将每个像素点的颜色特征转换成值，最终效果是把一个图片转换成一个矩阵，矩阵中每一个值都代表该像素点的颜色特征。在大量数据实例的基础上，通过深度学习，利用卷积神经网络，达到利用机器识别并输出图片中具体人物的情感的效果。

目的：利用深度学习就能从数据实例中学习出有效的结构，并且很好的运用的卷积网络对图片进行运算。通过分析提出基于卷积神经网络的图片情感分析方法，实现对图片情感的识别。

国内外研究现状

深度学习是人工神经网络的一个分支，具有深度网络结构的人工神经网络是深度学习最早的网络模型。目前深度学习的结构主要是以人工神经网络网络为基础，如卷积神经网络来类比人类大脑结构，然而众多科学家指出人工神经网络只是对人脑生理处理系统的简单模仿，在一开始深度学习引发了一阵热潮，然后很快沉寂，直到2006年之后才又开始回升。

2. 研究的基本内容

本系统采用python语言，在卷积神经网络的基础上，通过使用keras框架结构设计与实现利用机器完成对图片中人物表情的识别。

以卷积神经网络为主，实现可以进行图片和人物情感之间的映射，并通过大量数据来训练得到的神经网络，通过使用梯度下降算法来减小损失值，从而到达高精度的学习效果，实现用机器分析图片中人物情感的目的。

3. 实施方案、进度安排及预期效果

实施方案：

优先学习卷积神经网络以及keras框架的使用，兼顾其原理。

选择python作为实现的语言，因为其高效性。

4. 参考文献

[1]孙明，杨巨峰.基于神经网络的图像情感分类技术研究[eb/ol].http://kns.cnki.net/kcms/detail/detail.aspx?dbcode=cmfddbname=cmfd201801filename=1018807405.nhv=mtyzndixthv4wvm3rggxvdnxvhjxttfgcknvukxpzlppzhjgq3jtvux2slzgmjzgcnu0r2rytxfwrwjqsvi4zvg=,2017-05-01.

[2]基于表情加权距离slle的人脸表情识别[j]. 应自炉,李景文,张有为.模式识别与人工智能. 2010(02)

[3]backpropagation applied to handwritten zip coderecognition[j] . y. lecun,b. boser,j. s. denker,d. henderson,r. e. howard,w.hubbard,l. d. jackel.neural computation . 1989 (4)