1. 毕业设计（论文）主要内容：

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。本课题拟实现一种深度学习算法，用以对特定图像进行目标检测。在深入研究深度学习和faster r-cnn基本原理基础上，利用tensorflow框架完成相应网络的设计。训练基于coco数据集的faster r-cnn神经网络，并实现图像中目标的检测。

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tensorflow平台的bp神经网络和卷积神经网络完成手写数字串识别的程序实现；

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]jiang h, learned-miller e. face detection with the faster r-cnn[c]// ieeeinternational conference on automatic face amp; gesture recognition. 2017.

[2]ren s, he k, girshick r, et al. faster r-cnn: towards real-time objectdetection with region proposal networks[c]// international conference on neuralinformation processing systems. 2015.

[3] 伍锡如, 黄国明, 孙立宁. 基于深度学习的工业分拣机器人快速视觉识别与定位算法[j]. 机器人, 2016, 38(6):711-719.

[4] 闵召阳, 赵文杰. 基于卷积神经网络检测的单镜头多目标跟踪算法[j]. 舰船电子工程, 2017, 37(12):25-28.