1. 毕业设计（论文）主要内容：

当前基于深度学习的人脸识别算法被证明具有极高的识别准确率，而准确的人脸识别算法计算复杂度高，随着相关应用的广泛部署，大规模实时的人脸识别对计算资源需求量和性能要求也越来越高，而fpga具有高性能、低功耗等重要特征，是未来支撑大规模智能应用的核心加速设备，如何充分利用cpu-fpga异构平台中计算能力，提供高性能的人脸识别深度学习加速方案是当前的关键问题。本次毕业设计要求在认真学习cpu-fpga异构平台相关知识的基础上，对基于深度学习的人脸识别方法进行研究。具体工作要求如下：

（1）基于深度学习的人脸识别方法研究（学习opencv、openface或tensorflow等相关视觉开源技术，调研近三年发表的高水平学术论文，从cnki/ieee的数据库检索，阅读985学校的相关硕士和博士毕业论文，编程实现算法，注意实现的算法务必要有相关论文支撑、引用。尝试自己给出识别准确率的改进方法）

（2）基于cpu-fpga异构计算平台的人脸识别技术研究：cpu-fpga异构计算平台体系架构，人脸识别深度学习算法在fpga中并行化设计/移植（参考相关学术论文、网上搜索相关解决方案）

2. 毕业设计（论文）主要任务及要求

（1）查阅15篇相关文献（含2篇外文），并每篇书写200—300字文献摘要（装订成册，带封面）。

（2）认真填写周记，完成800字开题报告。

（3）完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）。

3. 毕业设计（论文）完成任务的计划与安排

（1）2018/1/14—2018/2/22：确定选题，查阅文献，外文翻译和撰写开题报告。

（2）2018/2/23—2018/4/30：系统架构、程序设计与开发、系统测试与完善。

（3）2018/5/1—2018/5/25：撰写及修改毕业论文。

4. 主要参考文献

[1]黄乐天, 范兴山, 彭军. fpga异构计算:基于opencl的开发方法[m]. 西安电子科技大学出版社, 2015.

[2]沈理, 刘翼光, 熊志勇. 人脸识别原理及算法:动态人脸识别系统研究[m]. 人民邮电出版社, 2014.

[3]吴岸城. 神经网络与深度学习[m]. 电子工业出版社, 2016.