1. 毕业设计（论文）主要内容：

利用卷积神经网络进行多目标图像识别和定位开展下述研究：

1. 对常用的目标识别算法进行了对比，阐述了各类算法的原理，分析了它们各自的优缺点，总结归纳了它们在候选区域选择、特征提取、特征分类这三个问题上的联系与区别。

2. 在用于特征提取的卷积神经网络上进一步研究基于rpn（候选区域选择网络）的卷积神经网络fast r-cnn，对其进行改进并构建针对多目标图像识别的深度卷积网络。

2. 毕业设计（论文）主要任务及要求

1. 通过实验对当前流行的深度学习框架流行程度，计算性能进行对比，得出tensorflow综合表现良好的结论。

2. 通过采集公开数据集中没有的生活用品目标，如水杯、钢笔等图像数据，通过数据增强和标记，制作了部分tfrecords格式的生活用品目标数据集用于卷积神经网络对于真实环境的多目标图像识别。

3. 使用特征提取网络和任务2的数据集构建基于faster r-cnn算法的区域选择多目标识别网络并通过实验完成参数调优。

3. 毕业设计（论文）完成任务的计划与安排

2018.12-2019.1 完成对常用的目标识别算法进行综合对比；

2019.2 – 2019.3 完成数据集的制作以及构建基于faster r-cnn算法的区域选择多目标识别网络

2019.4-2019.5 利用候选区域策略调优、学习速率调优等方式对fasterr-cnn进行优化

4. 主要参考文献

1. 谢一德. 基于深度卷积神经网络和图像传感器的道路多目标检测研究[d].北京交通大学,2018.

2. ren s, he k, girshick r, et al. fasterr-cnn: towards real-time object detection with region proposalnetworks[c]//advances in neural information processing systems. 2015: 91-99.

3. krizhevsky a, sutskever i, hinton g e.imagenet classification with deep convolutional neural networks[c]//advances inneural information processing systems. 2012: 1097-1105.