登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 开题报告 > 计算机类 > 计算机科学与技术 > 正文

基于深度学习的车牌目标检测设计与实现开题报告

 2020-02-10 10:02  

1. 研究目的与意义(文献综述)

1.目的:利用深度学习知识来完成一个能够使用所给定的训练集(图片数据源)来达到自动筛选目标——车牌图片的检测软件系统。

该系统旨在帮助人们完成从海量图片数据源中寻找目标图片的工作,同时比起传统方式,要达到性价比更高,资源耗费更少,持续工作时间更长的要求。


2.国内外研究现状:2006年,hinton提出了深层网络训练中梯度消失问题的解决方案:无监督预训练对权值进行初始化 有监督训练微调,是深度学习史上最重要的突破。

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. 研究的基本内容与方案

1.基本内容: 首先针对车牌目标检测软件系统进行合适的开发工具选择,如程序语言,框架等。

其次要对车牌目标检测软件系统进行总体设计和详细设计,最后进行代码开发工作。


2.目标: 利用卷积神经网络框架来完成一个能够使用所给定的训练集(图片数据源)来达到自动筛选并分类目标——车牌图片的软件系统
3.技术方案:针对目前流行的被应用在深度学习领域上高级程序设计语言,如python语言,r语言等,为了易于上手,得到更多的技术帮助文档从而减少开发过程中解决问题所花费的时间,并且通过对比分析它们的市场受众情况与技术讨论分享情况,后确定选择python程序语言进行开发。

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. 研究计划与安排

2019/1/19—2018/2/28:确定选题,查阅文献,外文翻译和撰写开题报告;
2018/3/1—2018/4/30:系统架构、程序设计与开发、系统测试与完善;
2018/5/1—2018/5/25:撰写及修改毕业论文;
2018/5/26—2018/6/5:准备答辩。







4. 参考文献(12篇以上)

[1] 周飞燕, 金林鹏, 董军. 卷积神经网络研究综述[J]. 计算机学报, 2017, 40(6):1229-1251. [2] 柯岩,林小竹,廖蕊,魏战红.卷积神经网络的“深度”研究[J/OL].计算机工程:1-8[2019-02-28].https://doi.org/10.19678/j.issn.1000-3428.0053044. 3.
[3] 余凯, 贾磊, 陈雨强,等. 深度学习的昨天、今天和明天[J]. 计算机研究与发展, 2013, 50(9):1799-1804. 5.
[4] 杨真真,匡楠,范露,康彬.基于卷积神经网络的图像分类算法综述[J].信号处理,2018,34(12):1474-1489.
[5] 叶锦,彭小江,乔宇,邢昊.基于深度学习的女装图片分类探索[J/OL].集成技术,2019:1-9[2019-02-28].http://kns.cnki.net/kcms/detail/44.1691.T.20190227.1611.002.html. 8.
[6] 常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安.图像理解中的卷积神经网络[J].自动化学报,2016,42(09):1300-1312.
[7] 李旭冬,叶茂,李涛.基于卷积神经网络的目标检测研究综述[J].计算机应用研究,2017,34(10):2881-2886 2891.
[8] 马永杰,李雪燕,宋晓凤.基于改进深度卷积神经网络的交通标志识别[J].激光与光电子学进展,2018,55(12):250-257.
[9] 贾瑞.基于AlexNet的车辆型号识别研究[J].现代工业经济和信息化,2018,8(12):24-26 30.
[10] 韩鹏承,胡西川.基于深度卷积神经网络的街景门牌号识别方法[J].现代计算机(专业版),2018(20):60-64.
[11] 顾昊,曲毅.基于卷积神经网络的楼梯识别[J].现代计算机(专业版),2018(28):44-47.
[12] 曹建收,陈光喜,任夏荔,康春生.基于深度学习的油画分类网络模型[J].桂林电子科技大学学报,2018,38(01):65-68.
[13] Michael A Nielsen,”Neural Nerworks and Deep Learing”,Determination Press,2015
[14] Siyuan Lu,Zhihai Lu,Yu-Dong Zhang. Pathological brain detection based on AlexNet and transfer learning[J]. Journal of Computational Science,2019,30.
[15] Ling Ding. ALEXNET FEATURE EXTRACTION AND MULTI-KERNEL LEARNING FOR OBJECTORIENTED CLASSIFICATION[A]. ISPRS Technical Commission III on Remote Sensing.Proceedings of the ISPRS Technical Commission III Midterm Symposium on "Developments,Technologies and Applications in Remote Sensing"[C].ISPRS Technical Commission III on Remote Sensing:国家基础地理信息中心天地图工作部,2018:5.


剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图