1. 研究目的与意义（文献综述）

1.1背景资料

图像是人对视觉感知的物质再现。图像可以由光学设备获取，如照相机、镜子、望远镜及显微镜等；也可以人为创作，如手工绘画。图像可以记录、保存在纸质媒介、胶片等等对光信号敏感的介质上。随着数字采集技术和信号处理理论的发展，越来越多的图像以数字形式存储，这也是可以使用计算机来处理图像的基础。

随着科技的发展，每天在网上传送的图片流量与日俱增，越来越多的信息采用图片形式存储，因此对于图片信息的处理就变得十分重要。看懂图片对于人来说是再简单不过的任务，人通过大脑中已有的知识经验可以轻松读懂图片中有哪些物体以及物体是什么，但是对于计算机来说，它看到的是一些值为0~255的数组，因而很难直接得到图像中的语义概念，也不清楚目标出现在图像中哪个区域。

2. 研究的基本内容与方案

2.1 目标（开发的系统概况描述）

利用区域卷积神经网络模型fast r-cnn/faster r-cnn实现图像物体检测。

2.2基本内容(系统要完成的功能，例如功能结构图，和详细的功能描述)

3. 研究计划与安排

经过仔细的分析和研究，现把毕业设计的进度做如下大概的安排：

(1) 2018/1/14—2018/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；

(2) 2018/3/1—2018/4/30：系统架构、程序设计与开发、系统测试与完善；

4. 参考文献（12篇以上）

[1] t. ojala, m. pietikainen, d. harwood. performance evaluation of texture measures with classification based on kullback discrimination of distributions[c]. iapr international conference on pattern recognition, 1994.vo1.1-conference a:computer visionamp;image processing. ieee, 1994: 582-585 vol.l.

[2] lowe d g. distinctive image features from scale-invariant keypoints [j]. international journal of computer vision, 2004, 60(2): 91-110.

[3] dalal n, triggs b. histograms of oriented gradients for human detection[c].ieee conference on computer vision amp; pattern recognition. 2005: 886-893.