1. 研究目的与意义（文献综述包含参考文献）

文 献 综 述 一、引言 目标检测是计算机视觉这个多学科交叉大方向中的一个重要组成部分，主要是针对性研究如何在静态图像中识别及定位某一特定的一类或多类物体。

目标检测的要求通常是不仅能够对给定图像中的类别进行准确地预测，而且还要求能够定位目标，用矩形框图将感兴趣的目标准确地定位框出。

近年来，迁移学习收到广泛关注。

2. 研究的基本内容、问题解决措施及方案

一、本课题要研究或解决的问题 1、 深入学习和掌握tensorflow中关于object detection相关的api 2、 掌握对数据集标记方面的问题，以及数据的预处理 3、 通过实验对比，交叉验证等方法获得一个较好的结果 4、 解决迁移学习之后鲁棒性不好的问题，掌握调节模型的常用方法 5、掌握实验数据的处理、分析性写作与学位论文的撰写 本课题的核心问题是： 解决因迁移学习导致的检测性能问题 二、拟采用的研究手段 首先，查阅相关文献了解迁移学习和目标检测相关的知识。

其次，对迁移学习过后的模型进行训练，评估，解决迁移过后的性能问题。

最后，分析改进的算法解决问题的性能，并提出自己对于该算法的一些优化方案。