全文总字数：7099字
1. 研究目的与意义（文献综述）
1.1 研究目的及意义
随着时代发展，计算机视觉的应用越来越广泛，为我们的生活带来了便利。图像分类作为计算机视觉的一种核心技术，从几十年前就已经有相关算法和网络，如果能够提高图像分类的效果和效率，将会对计算机视觉的发展起到推波助澜的作用，为我们的生活带来便利，attention机制是一种可以与原有网络相结合的方法，它可以提高图像分类的效率和效果。
attention是一种用于提升基于rnn（lstm或gru）的encoder decoder模型的效果的机制（mechanism），一般称为attention mechanism。attention机制目前非常流行，广泛应用于机器翻译、语音识别、图像标注（imagecaption）等很多领域，之所以它这么受欢迎，是因为 attention机制与人类对外界事物的观察机制很类似，当人类观察外界事物的时候，一般不会把事物当成一个整体去看，往往倾向于根据需要选择性的去获取被观察事物的某些重要部分，比如我们看到一个人时，往往先attention到这个人的脸，然后再把不同区域的信息组合起来，形成一个对被观察事物的整体印象。因此，attention机制可以帮助模型对输入的x每个部分赋予不同的权重，抽取出更加关键及重要的信息，使模型做出更加准确的判断，同时不会对模型的计算和存储带来更大的开销，这也是attention机制应用如此广泛的原因。attention给模型赋予了区分辨别的能力，进而能够减小处理高维输入数据的计算负担，通过结构化的选取输入的子集，降低数据维度，还能够“去伪存真”，让任务处理系统更专注于找到输入数据中显著的与当前输出相关的有用信息，从而提高输出的质量。
2. 研究的基本内容与方案
2.1 目标（开发的系统概况描述）
本研究将研究使用了attention机制的深度图像分类算法，学习基于attention机制深度图像分类算法的原理，实现一个基于attention机制的深度分类算法。
3. 研究计划与安排
第1—3周：查阅相关文献资料，明确研究内容，了解研究所需知识与各项技能。确定方案，完成开题报告，书写摘要并完成相关英文文献翻译。
第4－6周：前期可行性研究，需求分析，进行系统的初步设计。
第7－12周：系统具体实现，主要完成代码的编写，调试以及功能的实现。
4. 参考文献（12篇以上）
[1]zhao b, wu x, feng j, et al. diversified visual attention networks forfine-grained object classification[j]. arxiv preprint arxiv:1606.08572, 2016.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
