登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 任务书 > 理工学类 > 建筑电气与智能化 > 正文

基于卷积神经网络的图像识别研究任务书

 2020-06-08 21:15:29  

1. 毕业设计(论文)的内容和要求

(一)基本要求本课题基于卷积神经网络(cnn)和深度学习(dl),利用caffe深度学习平台对图像识别问题进行初步探究。

(二)主要内容 1、在linux平台上完成对caffe deep learning framework的配置; 2、学习基于深度学习的物体识别算法; 3、采用卷积神经网络搭建对物体的识别模型。

(三)相关要求 1、阅读中外文相关文献10篇以上; 2、翻译外文文献一篇,译文3000汉字以上; 3、完成本课题的开题报告,不少于3000汉字; 4、按学校 ”综合论文类”撰写规范,完成本课题的毕业设计论文,要求论文12000汉字以上。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 参考文献

[1] 邹蕾, 张先锋. 人工智能及其发展应用[J]. 信息网络安全, 2012 (2): 11-13. [2] 赵陈婷. 虚拟现实革命正在来临[J]. 中国中小企业, 2015 (4): 36-38. [3] 郝明. 探析计算机智能化图像识别技术的突破[J]. 中国新通信, 2014, 16(19): 3-3. [4] 张家怡. 图像识别的技术现状和发展趋势[J]. 电脑知识与技术,2010, 6(21): 6045-6046. [5] Hinton G E, Salakhutdinov R R. Reducing the dimensionality of data with neuralnetworks[J]. Science, 2006, 313(5786): 504-507. [6] 12] Deng J, Dong W, Socher R, et al. Imagenet: A large scale hierarchical image database[C]: Computer Vision and Pattern Recognition, 2009. CVPR 2009. IEEE Conference on. IEEE, 2009: 248-255. [7] Le Cun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition [J]. Proceedings of the IEEE, 1998, 86(11): 2278-2324. [8] Lee H, Battle A, Raina R, et al. Efficient sparse coding algorithms[C]: Advances in neural information processing systems. 2006: 801-808.

3. 毕业设计(论文)进程安排

第17周之前(12-26日之间) 布置设计任务 第18-20周 (12-28至01-15) 查阅文献、翻译文献,撰写开题报告,布置寒假学习任务 开题第 1~3 周(02-22至 03-13) 搭建Caffe Deep Learning平台 第4~7周 (03-14至04-10) 设计卷积神经网络 第8~11周 (04-11至05-08) 对卷积神经网络进行训练和测试 中期检查第12~13周 (05-09至05-24) 对比实验及方案优化 第14~16周 (05-25至06-14) 10000字以上论文撰写,(内容包括课题意义、方案论证、控制算法设计、得出课题的结论及心得体会)。

300字的中文摘要(不包括文献综述),答优的还须准备300字的英文摘 论文答辩

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图