基于卷积神经网络的物体检测与分类任务书

 2020-02-11 12:02

1. 毕业设计(论文)主要内容:

卷积神经网络属于深度学习领域研究的范围,是一种高效的识别方法,卷积神经网络具有三个特点分别为参数共享,局部感知和子采样操作,这三个特点使得训练参数减少,训练速度加快,在训练过程中具有良好表现,目前卷积神经网络已经广泛的并且良好的应用在生活各个方面,特别是在图像分类任务,人脸识别,文本识别,路标识别等方面。但其发展过程中还存在一些问题。本文将对卷积神经网络在图像分类领域进行研究,目的是希望提高图像分类的精准率,降低错误率。

本文将对基于卷积神经网络对物体的检测分割进行深入分析与研究,用keras/tensorflow搭建模块,采用imagenet公开数据集,最终进行模拟仿真,同时对比不同的网络的分类误差,以及定位准确度。

2. 毕业设计(论文)主要任务及要求

1. 查阅相关资料15篇以上(其中近五年英文文献不少于3篇);

2. 完成开题报告;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 毕业设计(论文)完成任务的计划与安排

第1—2周:查阅相关的文献资料,对研究内容进行整体了解;

第3—4周:了解整体实现方案,完成开题报告;

第5—12周:根据方案进行设计和实现;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 主要参考文献

[1] he k , gkioxari g , dollár,piotr, et al. mask r-cnn[j]. ieee transactions on pattern analysis amp;machine intelligence, 2017, pp(99):1-1.

[2] ren s , he k , girshick r , et al. faster r-cnn: towards real-time object detectionwith region proposal networks[j]. 2015.

[3] deng j , dong w , socher r , et al. imagenet: a large-scale hierarchical imagedatabase[c]// ieee conference on computer vision amp; pattern recognition.ieee, 2009.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。