毕业设计-基于机器车辆行人闯红灯检测系统 -YOLO ：深度学习技术凭借其卓越的特征提取能力，在目标检测、图像分类等领域取得了良好的表现，在很多情况下甚至超越了人类的判别能力，掀起了一波深度学习技术的浪潮。深度学习技术在目标检测领域的发展进一步推动了智能交通技术的发展，这些技术的应用给人们的生活带来很多的便利。目前应用最为广泛的闯红灯抓拍系统的主要原理是，电子眼采用感应线来感应路面上的汽车传来的压力，通过传感器将信号采集到中央处理器，送寄存器暂存（该数据在一个红灯周期内有效）。如果在同一个时间间隔内（红灯周

毕业设计-基于深度学习的目标检测算法：目标检测（Object Detection）是高级视觉研究领域的重要前提，是计算机视觉研究的核心问题。深度学习拥有强大的自学习能力，将其运用至目标检测领域能够在一定程度上弥补了传统检测方法的不足。目标检测( object detection) 将待测目标的分割、识别、语义等高级视觉问题合为一体，对图像中的物体进行识别和定位，其准确性和实时性是衡量整个计算机视觉系统的一项重要标准。目标检测的目的在于解决图像的实例分割和定位框表示，所以，对图像进行目标检测不仅要确定目标的类

毕业设计-基于深度学习的轮胎缺陷无损检测：随着汽车行业快速发展及汽车保有量的持续增长，大大增加了对轮胎的需求，而轮胎质量在很大程度上决定了轮胎的使用寿命，也是在行驶过程中对人们生命财产安全的保障，同时对轮胎进行在线质量检测也便于轮胎生产企业及时发现生产线中存在的不合格产品，以此来调整机械设备甚至轮胎的生产工艺，避免造成生产材料的浪费。因此，检测轮胎质量是轮胎生产过程中必不可缺少的一部分，对轮胎工业的发展和道路交通安全有着重要的研究和经济意义。目前国内外学者在诸多工业应用领域提出了许多无损缺陷检测技术，而基

毕业设计-基于深度学习的垃圾分类系统：随着工业革命人类的生产力水平以指数级提升，也使得垃圾数量飞速上涨，如何处置垃圾在全世界范围变成一个棘手的问题。垃圾分类作为资源回收利用的重要环节之一，可以有效地提高资源回收利用效率，减轻环境污染带来的危害。传统的图像分类算法很难满足垃圾分拣设备的要求，随着深度学习技术的发展，使借助视觉技术自动分拣垃圾具有了现实的可能性。通过摄像头拍摄垃圾图片，利用卷积神经网络检测出垃圾的类别及位置，借助机械手或推板自动完成分拣任务，可以降低人工成本，提高分拣效率。因此，开展垃圾图像分类

毕业设计-基于深度学习的视觉多目标跟踪：视觉多目标跟踪是计算机视觉领域的热点问题，然而，场景中目标数量的不确定、目标之间的相互遮挡、目标特征区分度不高等多种难题导致了视觉多目标跟踪现实应用进展缓慢。近年来，随着视觉智能处理研究的不断深入，涌现出多种多样的深度学习类视觉多目标跟踪算法。因为人工智能技术的飞速发展，基于计算机视觉技术的智能监控系统、自动驾驶领域较以往取得了重大的突破，进一步减少了人力资源的浪费，提高了安防和交通领域的安全性。视觉多目标跟踪技术是这些领域中的关键基础性技术之一，视觉多目标跟踪算法的

毕业设计-基于深度学习的实例分割研究：深度学习在计算机视觉领域已经取得很大发展，虽然基于深度学习的实例分割研究近年来才成为研究热点，但其技术可广泛应用在自动驾驶，辅助医疗和遥感影像等领域。实例分割作为计算机视觉的基础问题之一，不仅需要对不同类别目标进行像素级别分割，还要对不同目标进行区分。此外，目标形状的灵活性，不同目标间的遮挡和繁琐的数据标注问题都使实例分割任务面临极大的挑战。近年来，深度学习和统一计算设备构架 (com- pute unified device architecture, CUDA)

毕业设计-基于深度学习的舰船目标检测技术：舰船目标是现代化海战探测与侦察的重要目标。精确检测与打击舰船目标能够提升武器装备作战效能，是精确制导武器研制的重要方向之一。精确检测舰船目标有利于指战员获取军事情报、调整火力部署，有助于海洋权益的维护与海军战略的实现。基于图像的舰船目标检测技术依据图像特征判定是否存在舰船，同时实现舰船定位。当前我国海域多使用自动识别系统( automatic i-dentification system，AIS) 检测舰船，舰船航行的安全性得到提升，但 AIS 受气候、海杂波等噪声

毕业设计-基于深度学习的视频目标检测：视频目标检测是为了解决每一个视频帧中出现的目标如何进行定位和识别的问题。相比于图像目标检测，视频具有高冗余度的特性，其中包含了大量的时空局部信息。随着深度卷积神经网络在静态图像目标检测领域的迅速普及，在性能上相较于传统方法显示出了非常大的优越性，并逐步在基于视频的目标检测任务上也发挥了应有的作用。但现有的视频目标检测算法仍然面临改进与优化主流目标检测算法的性能、保持视频序列的时空一致性、检测模型轻量化等关键技术的挑战。视频目标检测已成为众多的计算机视觉领域学者追逐的热

毕业设计-基于深度学习的数据融合方法研究：数据融合是最大程度发挥大数据价值的关键，深度学习是挖掘数据深层特征信息的技术利器，基于深度学习的数据融合能够充分挖掘大数据潜在价值，从新的深度和广度拓展对世界的探索和认识。在大数据时代，数据的来源越来越广泛，数据类型也越来越多样化。但是，由于大数据的“5V”特性（Volume、Variety、Value、Veracity、Velocity），使人们难以充分挖掘大数据的隐含信息。因此，人们迫切需要有效的手段对多源异构数据进行融合，并挖掘出有价值的信息加以利用。数据融

毕业设计-基于深度学习的图像去雾算法：由于雾霾天气下大气颗粒的散射作用，通过视频和图像采集系统获取的图像通常可见度较低，将严重影响计算机视觉系统后续的目标识别、目标追踪等功能。目前，图像去雾算法可分为传统去雾算法和基于深度学习的去雾算法。传统去雾算法一般采用图像增强方式对有雾图像进行对比度增强，或采用先验理论来估计有雾图像的透射率值和大气光照值，再通过大气散射模型恢复无雾图像。基于深度学习的去雾算法一般基于有雾图像的先验信息进行建模，再通过有监督学习方式或无监督学习方式来估计有雾图像的透射率图或无雾图，泛化

毕业设计-基于深度学习的数字病理图像分割：课题背景和意义数字病理图像分析对于心脑病、乳腺癌、前列腺癌等良恶性分级诊断具有重要意义,其中,组织基元的形态目标 测量是量化分析的重要依据.然而,由于病理数据多样性和复杂性等新特点,其分割任务面临着特征提取困难、实例分割困难等挑战.人工智能辅助病理量化分析将复杂病理数据转化为可挖掘的图像特征,使得自动提取组织基元的定量化信息成为可能.特别是随着计算机计算能力的快速发展,深度学习技术凭借其强大的特征学习、设计灵活等特性在数字病理量化分析领域取得了突破性成果.在病理诊

毕业设计-基于深度学习的内容推荐算法研究：推荐系统是学习用户偏好并实现个性化推荐的系统化应用技术，在商品购买、影音推荐、关联阅读等多领域得到了广泛的应用。近年来，随着多源异构数据的激增和深度学习的兴起，传统推荐算法中的表征学习模式逐步被深度学习代替。信息网络的迅速发展使得数据规模呈现爆发式增长，各种应用软件（如电子商务平台等）对数据的依赖性越来越强。但是，数据的增量超过了平台或系统的承受范围，这种现象被称为“信息过载”问题。推荐系统作为为用户提供建议或推荐商品的软件工具技术，旨在满足用户需求的同时推荐用户感

毕业设计-基于深度学习的图像去噪方法研究：图像去噪是利用图像序列的上下文信息去除噪声，从而恢复出清晰图像的一种技术，是计算机视觉领域重要研究内容之一。随着机器学习的发展，深度学习在图像去噪领域得到广泛应用，成为处理图像去噪的有效解决方法。图像的去噪研究是计算机视觉领域的重要组成部分。近年来，基于深度学习（Deep Learning）的去噪方法被成功应用于合成噪声，但对真实噪声的泛化性能较差。 真实噪声是指由拍照设备在照明条件差、相机抖动、物体运动、空间像素不对准、颜色亮度不匹配等情况下获取的图像中存在的噪声

毕业设计-基于深度学习的图像质量评价：图像质量评价是对图像或视频的视觉质量的一种度量。目前，该类算法的基础模型主要包括深度卷积神经网络、深度生成对抗网络和变换器，其性能通常高于传统的图像质量评价算法。图像质量评价是图像处理和计算机视觉领域的一个研究热点问题之一。数字图像在获取、压缩存储、传输过程中受到诸多因素的干扰，造成失真或降质，从而影响人类的视觉体验或者图像的后处理效果。只有对图像质量做出正确评价，才能确定后续的增强或控制方法。另外，数字图像处理算法性能优劣的分析和数字图像处理系统的性能评估都需要对图像

毕业设计—基于深度学习的网络流量预测研究：精准地预判网络流量变化趋势可以帮助运营商准确预估网络的使用情况，合理分配并高效利用网络资源，以满足日益增长且多样化的用户需求随着 5G、边缘计算、NFV 等技术的发展，对网络进 行精细化、自动化、智能化运维及管理将成为新的挑战。为了应对这一挑战，需要对边缘网络、城域网、骨干网等多个层级的应用级网络流量进行精准感知。而网络流量预测能力则是核心技术之一。精准的网络流量预测技术能够实现如下功能：帮助改善通信网络管理。网络流量的准确预测可以帮助运营商及早应对即将出现的拥堵，

基于深度学习的推荐系统研究：深度学习是机器学习领域一个重要的研究方向，近年来在图像处理、自然语言理解、语音识别和在线广告等领域取得了突破性进展．将深度学习融入推荐系统中，研究如何整合海量的多源异构数据，构建更加贴合用户偏好需求的用户模型，以提高推荐系统的性能和用户满意度，成为基于深度学习的推荐系统的主要任务。近年来，随着云计算、大数据、物联网等 技 术 的迅猛发展，互联网空间中各类应用的层出不穷引发了数据 规 模 的 爆 炸 式 增 长，但同时也带来了严重的“信息过载”问题，如何快速有效地从纷繁复杂的数据中

毕业设计-基于深度学习的新闻推荐算法研究：新闻推荐（NR）可以有效缓解新闻信息过载，是当今人们获取新闻资讯的重要方式，而深度学习（DL）成为近年来促进新闻推荐发展的主流技术，使新闻推荐的效果得到显著提升，受到研究者们的广泛关注。新闻推荐（news recommendation，NR）是一种缓解新闻信息过载的有效方式，能帮助用户从众多的新闻资源中筛选并推送其可能感兴趣的新闻。目前，各大新闻APP如今日头条和新闻网站如MSN News 等都在其商业系统中嵌入了推荐算法，以提供千人千面的新闻推荐，提升用户体验。

毕业设计-基于深度学习的作物长势监测和产量估测研究：作物长势是粮食产量估测与预测的主要信息源，随着高时空分辨率遥感数据的不断出现，遥感数据已呈现出明显的大数据特征，以深度学习为基础的作物长势监测和产量估测已成为指导农业生产的重要手段之一。作物长势是粮食产量估测与预测的重要信息来源，对于我国粮食安全和贸易具有重大价值。其中遥感技术具有覆盖范围广、重访周期短、数据获取成本相对低等优势，在作物长势监测和产量估测中扮演着重要的角色。基于过程的作物生长模拟模型是现代农业系统研究的有力工具，可以定量描述作物生长发育和产

毕业设计-基于学习元的双螺旋深度学习模型：深度学习的意义不仅在于知识内容的建构，更重要的是利用蕴含在社会人际网络中的集体智慧，形成丰富的社会知识网络。聚合了人际网络、知识网络与学习活动等综合性信息的学习元平台，能为促进在线深度学习提供良好的支持。基于学习元的双螺旋深度学习模型反映了一种社会互动、群建共享、认知递进的深度学习理念。在该模型中，知识网络和社会网络是两条基本支架，通过学习活动衔接而形成社会知识网络；而社会知识网络以知识内容为核心节点，通过知识内容建立起知识之间、知识与人之间的关系。学习者和教学者在