基于卷积神经网络的遥感图像中舰船检测与识别方法研究任务书

 2020-02-18 05:02

1. 毕业设计(论文)主要内容:

1.前期知识储备:
通过阅读相关文献,了解深度学习的知识和对象检测与识别的任务,熟悉Linux下的前端Qt界面开发知识,以及基于深度学习下的各种对象检测与识别算法等。
2.设计功能:
本设计的任务包括:
1)根据提供的可见光、红外图像,对图像中目标舰船的位置和类型信息进行标注。
2)针对可见光,基于现有的对象检测和识别方法,设计一种基于卷积神经网络的可见光对象(舰船)检测与识别模型,利用标注数据集训练模型并验证该模型的有效性。


2. 毕业设计(论文)主要任务及要求


1.查阅15篇相关文献(不少于3篇外文文献),并每篇书写200—300字文献摘要(装订成册,带封面);
2.认真填写周记,完成至少1500字开题报告(“设计的目的及意义”至少800汉字;“基本内容和技术方案”至少400汉字;进度安排应尽可能详细;);
3.完成5000中文字以上的相关英文专业文献翻译,并装订成册(中英文一起,带封面);
4.完成方法研究、算法设计与实现;
5.按武汉理工大学理工类本科生毕业论文撰写规范撰写毕业论文,完成10000字以上的毕业论文;
6.进行论文答辩。

3. 毕业设计(论文)完成任务的计划与安排


1.2019/1/19—2019/2/28:确定选题,查阅文献,外文翻译和撰写开题报告;
2.2019/3/1—2019/4/30:系统架构、程序设计与开发、系统测试与完善;
3.2019/5/1—2019/5/25:撰写及修改毕业论文;
4.2019/5/26—2019/6/5:准备答辩。

4. 主要参考文献

[1]Girshick R , Donahue J , Darrell T , et al. Region-Based Convolutional Networks for Accurate Object Detection and Segmentation[J]. IEEE Transactions on Pattern Analysis amp; Machine Intelligence, 2015, 38(1):142-158.
[2]Ross Girshick. Fast R-CNN [J]. International Conference on Computer Vision (ICCV) 2015:1440-1448.
[3]Shaoqing Ren, Kaiming He, Ross Girshick, et al. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks[J]. IEEE Transactions on Pattern Analysis amp; Machine Intelligence, 2015, 39(6):1137-1149.
[4]Liu W, Anguelov D, Erhan D, et al. SSD: Single Shot MultiBox Detector[J]. ECCV,2015:21-37.
[5]Tsung-Yi Lin1, Piotr Dollar,Ross Girshick1 , et al. Feature Pyramid Networks for Object Detection[J].CVPR, 2016.
[6]Jifeng Dai, Yi Li, Kaiming He, et al. R-FCN: Object Detection via Region-based Fully Convolutional Networks[J]. NIPS,2016:379-387.

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。