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

1、圖書分類號：密級：畢業(yè)設(shè)計(論文)基于深度學(xué)習(xí)的圖像目標(biāo)類別檢測研究與實現(xiàn)RESEARCHIMPLEMENTATIONOFIMAGEOBJECTCATEGYDETECTIONBASEDONDEEPLEARNING學(xué)生姓名學(xué)院名稱信電工程學(xué)院學(xué)號班級專業(yè)名稱計算機科學(xué)與技術(shù)指導(dǎo)教師II摘要大數(shù)據(jù)時代使得數(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)。提高圖像識別的效率和速率，對圖像物體檢測與識別具有一定的現(xiàn)實意義。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)，提高對復(fù)雜分類問題的泛化能力。由此而言，在圖像檢測難度較大的情況下，為達到更高的處理效率和準(zhǔn)確率，運用深度學(xué)習(xí)技術(shù)便順理成章。本選題將研究應(yīng)用機器學(xué)習(xí)方法的最新成果深度學(xué)習(xí)來實現(xiàn)目標(biāo)類別檢測。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)檢測的相關(guān)文獻資料，了解深度學(xué)習(xí)和圖像檢測算法的國內(nèi)外研究現(xiàn)狀，概述深度學(xué)習(xí)的發(fā)展及其機理和訓(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)，最終實現(xiàn)對圖像目標(biāo)人、貓、車、沙發(fā)等二十個類別的檢測；（3）通過實驗驗證FastRCNN在數(shù)據(jù)集PALVOC2007的檢測效果較為理想，證實使用深度學(xué)習(xí)進行圖像目標(biāo)檢測具有可行性和有效性。關(guān)鍵詞關(guān)鍵詞目標(biāo)類別