基于深度学习的快速目标定位算法设计开题报告

全文总字数：3999字

1. 研究目的与意义（文献综述）

1.1课题研究目的及意义

香烟是人类社会重要的大众级消费品。假冒伪劣香烟由于多选用低次等烟叶，制作过程粗糙，滥用化学试剂，且吸烟过程中会产生超量的焦油等化学物质，严重危害消费者的健康。因此国家烟草局为符合标准的正品香烟配备了唯一的32位防伪识别码，打印在香烟盒体上。传统的32位防伪码通常会受到强光干扰、打码重叠、打码不清晰、打码错误、打码缺失等因素的影响，目前通常将包含32位防伪码的整体区域作为防伪标签，提高了防伪的可靠性。正是基于香烟防伪码检测与识别对人类健康的重要性，此次毕业设计基于深度学习理论和前人所研究的一些图像识别算法，提出了一种能够快速对整条卷烟上的32位防伪码所在区域进行定位的算法。

1.2国内外研究现状

2. 研究的基本内容与方案

yolo是基于卷积神经网络的深度学习模型。卷积层的作用是通过卷积运算提取图像特征。通过连接多个卷积层，进行多次特征提取，最终输出一个特征图。与卷积层相连接的还有池化层，池化层的目的是减少特征映射的神经元个数。通过池化操作,可以大大降低特征的维数,避免过拟合。

yolo模型的基本网络结构如图1所示。yolo先使用imagenet数据集对前20层卷积网络进行预训练，然后使用完整的网络，在pascal voc数据集上进行对象识别和定位的训练和预测。

3. 研究计划与安排

第1周—第3周 搜集资料，撰写开题报告；

第4周—第5周 论文开题；

第6周—第12周 撰写论文初稿；

4. 参考文献（12篇以上）

[1]赵琼,李宝清,李唐薇.基于改进yolov3的目标检测算法[j/ol].激光与光电子学进展:1-16[2020-03-10].

[2]段仲静,李少波,胡建军,杨静,王铮.深度学习目标检测方法及主流框架综述[j/ol].激光与光电子学进展:1-18[2020-03-10].

[3]卢宏涛,张秦川.深度卷积神经网络在计算机视觉中的应用研究综述[j].数据采集与处理,2016,31(01):1-17.