全文总字数：5747字
1. 研究目的与意义（文献综述）
1.1 研究目的及意义
视觉是人类最重要的感知系统，是人类获取信息最重要的渠道。在当前信息化时代的背景之下，计算机如何辅助人类完成视觉任务，解决人类在进行场景内目标信息的采集和处理任务时的不足，是人类一直探索的方向，计算机视觉也因此成为当今社会的研究热点。
目标检测作为计算机视觉领域的核心问题之一，学术界已有将近二十年的研究历史，其主要任务是找出图像或视频序列中感兴趣的物体，确定其类别、位置和边框范围。目标检测的实现综合运用了图像处理、机器学习、深度学习和人工智能等技术，有广泛的应用前景。
2. 研究的基本内容与方案
2.1 研究的基本内容和目标
本课题拟实现一种深度学习算法，利用现有深度学习框架，在公开数据集上完成对特定图像的目标检测，找出图像中感兴趣的物体，确定其类别、位置和边框范围。在学习研究深度学习和Faster R-CNN的基本原理的基础上，熟练运用相关知识完成基于Tensorflow
框架相应网络的设计，训练基于COCO数据集的Faster R-CNN神经网络，并实现图像中特定目标的检测。
3. 研究计划与安排
（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。
（3）第7－9周： 实现Faster R-CNN神经网络的设计与实现
4. 参考文献（12篇以上）
[1] Jiang H, Learned-Miller E. Face Detection with the Faster R-CNN[C]. IEEE International Conference on Automatic Face Gesture Recognition. 2017.
[2] Ren S, He K, Girshick R, et al. Faster R-CNN: towards real-time object detection with region proposal networks[C]. International Conference on Neural Information Processing Systems. 2015.
[3]He K,Zhang X,Ren S,et al. Spatial pyramid pooling in deep convolutional networks for visual recognition[C]. European Conference on Computer Vision.Springer,Cham,2014:346-361
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
