畢業(yè)設(shè)計(jì)(論文)+計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)+基于深度學(xué)習(xí)的圖像目標(biāo)類別檢測(cè)研究與實(shí)現(xiàn)--孔冬榮20160522

1、圖書分類號(hào)：密級(jí)：畢業(yè)設(shè)計(jì)(論文)基于深度學(xué)習(xí)的圖像目標(biāo)類別檢測(cè)研究與實(shí)現(xiàn)RESEARCHIMPLEMENTATIONOFIMAGEOBJECTCATEGYDETECTIONBASEDONDEEPLEARNING學(xué)生姓名學(xué)院名稱信電工程學(xué)院學(xué)號(hào)班級(jí)專業(yè)名稱計(jì)算機(jī)科學(xué)與技術(shù)指導(dǎo)教師II摘要大數(shù)據(jù)時(shí)代使得數(shù)字圖像的數(shù)量和規(guī)模與日俱增，給圖像處理帶來挑戰(zhàn)。提高圖像識(shí)別的效率和速率，對(duì)圖像物體檢測(cè)與識(shí)別具有一定的現(xiàn)實(shí)意義。深度學(xué)習(xí)DL（Deep

2、Learning）是近幾年熱門的一種含有多層結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)。通過學(xué)習(xí)一種深層非線性網(wǎng)絡(luò)結(jié)構(gòu)，提高對(duì)復(fù)雜分類問題的泛化能力。由此而言，在圖像檢測(cè)難度較大的情況下，為達(dá)到更高的處理效率和準(zhǔn)確率，運(yùn)用深度學(xué)習(xí)技術(shù)便順理成章。本選題將研究應(yīng)用機(jī)器學(xué)習(xí)方法的最新成果深度學(xué)習(xí)來實(shí)現(xiàn)目標(biāo)類別檢測(cè)。本文的主要工作包括：（1）查閱近年來的深度學(xué)習(xí)及目標(biāo)檢測(cè)的相關(guān)文獻(xiàn)資料，了解深度學(xué)習(xí)和圖像檢測(cè)算法的國(guó)內(nèi)外研究現(xiàn)狀，概述深度學(xué)習(xí)的發(fā)展及其機(jī)理和訓(xùn)練方法

3、，研究深度學(xué)習(xí)的Caffe框架及卷積神經(jīng)網(wǎng)絡(luò)、FastRCNN等機(jī)理；（2）在Linux系統(tǒng)下搭建Caffe學(xué)習(xí)框架，應(yīng)用CUDA并行架構(gòu)，采用基于Alex網(wǎng)絡(luò)的圖像目標(biāo)檢測(cè)FastRCNN模型，通過交替無監(jiān)督和有監(jiān)督學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)，最終實(shí)現(xiàn)對(duì)圖像目標(biāo)人、貓、車、沙發(fā)等二十個(gè)類別的檢測(cè)；（3）通過實(shí)驗(yàn)驗(yàn)證FastRCNN在數(shù)據(jù)集PALVOC2007的檢測(cè)效果較為理想，證實(shí)使用深度學(xué)習(xí)進(jìn)行圖像目標(biāo)檢測(cè)具有可行性和有效性。關(guān)鍵詞關(guān)鍵詞目標(biāo)類別