基于深度学习的快速目标检测算法研究任务书

 2020-02-11 12:02

1. 毕业设计(论文)主要内容:

随着视频监控应用的普及和计算机科学与技术的快速发展,计算机视觉技术得到了广泛的应用。基于视觉的目标检测技术是计算机视觉领域中非常重要的一部分,许多更高层次的视觉处理和分析任务也是以此为基础。目标检测技术被广泛应用于人脸识别、智能驾驶等领域。

传统的目标检测算法基于人工提取特征,准确率容易受采集条件等因素影响,且效率低、泛化性弱。近年来基于深度学习的目标检测算法在检测准确率上远远领先传统目标检测算法,背靠大数据自动学习提取特征,效果远优于人工设计特征。

虽然深度学习在许多方面都远超传统算法,但是其缺点也非常明显,需要大量的训练数据,模型参数量大,运算速度慢,对硬件要求极高。由于这些原因,深度学习算法很难做到实时,很难应用到嵌入式或小型设备中。如何在保证准确率的前提下,加快基于深度学习的目标检测算法的检测速度是当前该领域的研究热点之一。

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!

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] felzenszwalbp f , girshick r b , mcallester d , et al. object detection withdiscriminatively trained part-based models[j]. ieee transactions on patternanalysis amp; machine intelligence, 2010, 32(9):1627-1645.

[2] hek , zhang x , ren s , et al. deep residual learning forimage recognition[j]. 2015.

[3] liuw , anguelov d , erhan d , et al. ssd: single shot multiboxdetector[j]. 2015.

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。