1. 毕业设计（论文）的内容和要求

基本内容： 了解深度学习的基本理论原理，掌握卷积神经网络的基本架构，并尝试实现一个基于深度学习的车辆检测系统，基本要求如下： 1. 了解深度学习的最新研究进展，了解目前基于深度学习的对象检测的主要技术； 2. 建议学生以卷积神经网络（cnn）为入手点，了解深度学习的相关技术的理论基础，掌握卷积神经网络的基本架构； 3. 在此基础上，学生可以尝试比较最新的对象检测技术，了解它们的各自特点； 4. 在了解相关理论基础的前提下，学生应实现一个基于深度学习的对象检测系统，以车辆检测为案例，测试识别效果。

5. 最终学生应对自己训练的检测器模型进行准确率评测。

基本要求： 1． 形成比较完备的理论基础，并具有1～2处独特的创新点。

2. 参考文献

[1] (美) Ian Goodfellow等著，赵申剑．深度学习(deep learning) [M]．北京：人民邮电出版社，2017 [2] Krizhevsky A, Sutskever I, Hinton G E. ImageNet classification with deep convolutional neural networks[C]// International Conference on Neural Information Processing Systems. Curran Associates Inc. 2012:1097-1105. [3] http://blog.csdn.net/zouxy09/article/details/14222605 [4] http://en.wikipedia.org/wiki/Precision_and_recall [5] Ngiam J, Pang W K, Chen Z, et al. Sparse filtering[C]// International Conference on Neural Information Processing Systems. Curran Associates Inc. 2011:1125-1133. [6] Deshpande S, Muron W, Cai Y. Vehicle Classification[M]// Computer Vision and Imaging in Intelligent Transportation Systems. [7] Dong Z, Pei M, He Y, et al. Vehicle Type Classification Using Unsupervised Convolutional Neural Network[C]// International Conference on Pattern Recognition. IEEE, 2014:172-177. [8] He K, Zhang X, Ren S, et al. Deep Residual Learning for Image Recognition[J]. 2015:770-778. [9] Simonyan K, Zisserman A. Very Deep Convolutional Networks for Large-Scale Image Recognition[J]. Computer Science, 2014. [10] Szegedy C, Liu W, Jia Y, et al. Going deeper with convolutions[C]// IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society, 2015:1-9.

3. 毕业设计（论文）进程安排

起讫日期 设计（论文）各阶段工作内容 备 注 1-5～1-10 查阅参考文献，了解课题要求，完成开题报告 1-11～ 1-30 完成并上交开题报告,并开始进行系统总体设计。

1月30日前上交开题报告 2-1～2-28 深入学习指导教师提供的相关工作的介绍及文献，并根据自身理解查阅必要的文献。

3-1～3-14 学习总结现有工作的，寻找改进点。