1. 毕业设计（论文）主要内容：

1.基于多层感知机技术，提出一种深度神经网络架构，用于剔除在匹配点集之间错误的匹配；

2.研究在多层感知机网络中保持点集的全局约束的方法与技术；

3.在公开数据集上，通过理论模型构建和对比实验分析验证所提算法的性能。

2. 毕业设计（论文）主要任务及要求

1. 查阅相关文献资料不少于15篇，其中近五年外文文献不少于3篇；

2. 完成开题报告；

3. 基于多层感知机的深度神经网络框架，通过context norm和batch norm，保持点集的全局约束，剔除掉不符合全局信息的错误匹配，保留正确匹配的内点，得到匹配的准确率和召回率。将处理结果存入文件中，通过与不同算法比较各种指标，确定算法性能；

3. 毕业设计（论文）完成任务的计划与安排

第1周—第3周：查阅相关文献资料，明确研究内容，确定技术方案，完成开题报告；

第4周—第5周：论文开题；

第6周—第12周：完成主要研究工作，撰写论文初稿；

4. 主要参考文献

[1] e.simo-serra, e. trulls, l. ferraz, i. kokkinos, p. fua, and f. moreno-noguer.discriminative learning of deep convolutional feature point descriptors. iniccv, 2015 .

[2] k. yi, e. trulls, v. lepetit, and p. fua. lift: learned invariantfeature transform. in eccv, 2016.

[3] c. qi, h. su, k. mo, and l. guibas. pointnet: deep learning onpoint sets for 3d classification and segmentation. in cvpr, 2017.