1. 毕业设计（论文）主要内容：

1.前期知识储备：
通过阅读相关文献，了解深度学习的知识和对象检测与识别的任务，熟悉Linux下的前端Qt界面开发知识，以及基于深度学习下的各种对象检测与识别算法等。
2.设计功能：
本设计的任务包括：
1）根据提供的可见光、红外图像，对图像中目标舰船的位置和类型信息进行标注。
2）针对可见光，基于现有的对象检测和识别方法，设计一种基于卷积神经网络的可见光对象（舰船）检测与识别模型，利用标注数据集训练模型并验证该模型的有效性。

2. 毕业设计（论文）主要任务及要求

1.查阅15篇相关文献（不少于3篇外文文献），并每篇书写200—300字文献摘要（装订成册，带封面）；
2.认真填写周记，完成至少1500字开题报告（“设计的目的及意义”至少800汉字；“基本内容和技术方案”至少400汉字；进度安排应尽可能详细；）；
3.完成5000中文字以上的相关英文专业文献翻译，并装订成册（中英文一起，带封面）；
4.完成方法研究、算法设计与实现；
5.按武汉理工大学理工类本科生毕业论文撰写规范撰写毕业论文，完成10000字以上的毕业论文；
6.进行论文答辩。

3. 毕业设计（论文）完成任务的计划与安排

1.2019/1/19—2019/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；
2.2019/3/1—2019/4/30：系统架构、程序设计与开发、系统测试与完善；
3.2019/5/1—2019/5/25：撰写及修改毕业论文；
4.2019/5/26—2019/6/5：准备答辩。

4. 主要参考文献

[1]Girshick R , Donahue J , Darrell T , et al. Region-Based Convolutional Networks for Accurate Object Detection and Segmentation[J]. IEEE Transactions on Pattern Analysis amp; Machine Intelligence, 2015, 38(1):142-158.
[2]Ross Girshick. Fast R-CNN [J]. International Conference on Computer Vision (ICCV) 2015：1440-1448.
[3]Shaoqing Ren, Kaiming He, Ross Girshick, et al. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks[J]. IEEE Transactions on Pattern Analysis amp; Machine Intelligence, 2015, 39(6):1137-1149.
[4]Liu W, Anguelov D, Erhan D, et al. SSD: Single Shot MultiBox Detector[J]. ECCV，2015：21-37.
[5]Tsung-Yi Lin1, Piotr Dollar,Ross Girshick1 , et al. Feature Pyramid Networks for Object Detection[J].CVPR， 2016.
[6]Jifeng Dai, Yi Li, Kaiming He, et al. R-FCN: Object Detection via Region-based Fully Convolutional Networks[J]. NIPS，2016：379-387.