全文总字数：4340字
1. 毕业设计（论文）的内容和要求
卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络使用多层感知器的设计，采用最少的预处理。基于它们的共享权重架构和平移不变性特征，卷积网络常用于由生物工艺在之间的连接图案的神经元类似于动物的组织视觉皮层，因此大量运用于计算机视觉领域。
YOLO v4是目标检测网络,其基本目标是提高系统中神经网络的运行速度，同时为并行计算做出优化，而不是针对低计算量理论指标进行优化。有许多特征可以提高卷积神经网络的准确率，但每种特征真正实行起来，还需要在大型数据集上对这些特征组合进行实际测试，并且对测试结果进行理论验证。某些特征仅在某些模型上运行，并且仅限于特定的问题，或是只能在小型数据集上运行；另外有些特征例如批归一化和残差连接则适用于大多数模型、任务和数据集。YOLO v4则使用特征组合实现了新的SOTA结果,包括加权残差连接、CSP、Cross mini-Batch Normalization、自对抗训练、Mish 激活、Mosaic 数据增强、DropBlock 正则化、CIoU 损失。
课题研究内容
2. 实验内容和要求
实验内容：实现基于卷积神经网络的交通目标检测，并提升其目标识别的准确度和速度。
实验要求：以Windows 操作系统环境
以卷积神经网络框架为基础，采用YOLO V4提升准确度和速度；
3. 参考文献
参考文献
[1] 赵平、高朝阳、阮玉山、钱翔黄和林永龙。硬网络：一个低内存流量网络。IEEE计算机视觉国际会议论文集（ICCV），2019.
[2] 李泽明、彭超、于刚、张翔宇、邓阳东、孙健。《欧洲计算机视觉会议论文集》（ECCV），2018，334335.
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 |
2020-12-20～2020-12-30 | 选题,初步了解毕业设计内容 | |
2020-12-31～2021-1-10 | 查阅文献及资料，熟悉毕业设计内容 | |
2021-1-11～2021-1-23 | 完成开题报告和外文翻译，并开题 | |
2021-1-24～2021-3-15 | 熟悉并掌握软件的使用 | |
2021-3-16～2021-4-10 | 平台的模块初期设计 | |
2021-4-11～2021-5-10 | 相关模块的详细设计与模块实现 | |
2021-5-11～2021-5-24 | 撰写毕业论文，提交论文初稿 | |
2021-5-25～2021-6-5 | 修正、打印装订、提交论文 | |
2021-6-6～2021-6-11 | 评审、准备答辩，完成答辩PPT | |
2021-6-12 | 论文答辩 | |
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。
