基于对抗生成技术的激光雷达点云测试数据扩增系统的设计与实现任务书

 2022-01-11 21:51:25

全文总字数:2172字

1. 毕业设计(论文)的内容和要求

本课题设计并开发一个基于对抗生成技术的激光雷达点云测试数据扩增系统。

随着自动驾驶等人工智能技术的迅速发展,激光雷达点云数据的质量与数量需求越来越高。

然而,激光雷达点云数据的采集所需要的激光雷达传感器价格昂贵,且采集过程复杂,但诸如自动驾驶等深度学习模型需要大量激光雷达点云数据以进行训练。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 实验内容和要求

1. 内容:以前端Vue.js、后端Django为基础开发框架,采用前后端分离模式与微服务架构设计并实现一个基于对抗生成技术的激光雷达点云测试数据扩增系统。

完成对抗生成技术的相关对抗样本生成算法的设计、迁移与应用。

验证各类对抗样本生成技术迁移至点云领域后的有效性,并比较算法间的优劣。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 参考文献

[1] 潘宗序,安全智,张冰尘.基于深度学习的雷达图像目标识别研究进展[J].中国科学:信息科学,2019,49(12):1626-1639.

[2] 缪永伟, 刘家宗, 陈佳慧,等. 基于生成对抗网络的点云形状保结构补全[J]. 中国科学:信息科学, 2020, v.50(05):59-75.

[3] 赵新灿,常寒星,金仁标.3D点云形状补全GAN[J/OL].计算机科学:1-8[2021-01-10].

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 毕业设计(论文)计划

起讫日期 设计(论文)各阶段工作内容 备 注2021.1.10-2021.2.28 查阅参考文献,了解课题要求,完成开题报告 2021.3.1-2021.3.7 完成课题开发方面的总体设计方案 2021.3.8-2021.3.15 完成各功能模块的详细设计方案 2021.3.16-2021.3.23 初步完成Web方面整个系统的编写与实现 2021.3.24-2021.4.7 完成算法模型的雏形 2021.4.8-2021.4.23 按照需求设计算法流程图以及关于算法的初步想法 2021.4.24-2021.5.1 完善算法实现与模块测试 2021.5.2-2021.5.9 Web应用与深度学习模型对接 2021.5.10-2021.5.12 系统优化及软件测试 2021.5.13-2021.5.19 完成毕业设计论文的撰写工作 2021.5.20-2021.5.30 完成论文的初稿,并通过电子邮件发给指导老师初审 完成英文翻译2021.5.31-2021.6.3 按指导老师意见修改论文并定稿打印装订 递交论文和英文翻译2021.6.4- 准备毕业论文的答辩,包括答辩演示文稿等

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。