1. 毕业设计（论文）主要内容：

计算机视觉在科学研究和工程应用领域都发挥着重要作用，而深度学习的兴起更是为计算机视觉的研究提供了一种强力工具。本题目要求对计算机视觉中的目标识别（检测）技术作相关研究。

基于计算机视觉的目标识别技术已广泛应用于工业、农业、交通、安防、医学等诸多领域。本题目旨在将目标识别技术应用于机器人室内场景的自主导航，为智能仓储、室内智能配送等提供新的技术支持。具体要求如下：1）分析室内场景目标识别在实际应用中的需求，选择合适的场景及目标展开研究；2）建立目标的图像数据集，选择合适的模型和优化方法，训练数据集；3）将该方法应用于实际场景，验证其在图像（或视频）识别上的准确性，要求准确率不低于85%。

2. 毕业设计（论文）主要任务及要求

（1）查阅资料，分析室内场景目标识别的实际应用需求；学习和掌握深度学习和卷积神经网络的基本原理，了解深度学习用于目标识别的常用模型（r-cnn，spp，fast r-cnn，yolo，ssd等）；

（2）学习python编程，掌握一种深度学习的基本编程框架（推荐使用tensorflow）；

（3）至少掌握一种上述目标识别模型的算法原理，查阅开源代码，并验证该方法在常用数据集上的实现效果；

3. 毕业设计（论文）完成任务的计划与安排

1-3周：查阅参考文献及相关资料；完成外文文献翻译；撰写开题报告；

4-7周：学习python编程，并配置相应的深度学习的环境（推荐anaconda tensorflow），选择合适的场景建立自己的图像数据集；

8-9周：训练数据集并进行准确率验证，分析模型的优缺点；

4. 主要参考文献

[1]. 周晓彦, 王珂, 李凌燕. 基于深度学习的目标检测算法综述[j]. 电子测量技术, 2017(11):89-93.

[2]. 唐聪, 凌永顺, 郑科栋, et al. 基于深度学习的多视窗ssd目标检测方法[j]. 红外与激光工程, 2018, 003(9).

[3]. 张明, 桂凯. 基于深度学习的室内场景识别的研究[j]. 现代计算机(专业版), 2018(16).