1. 毕业设计（论文）主要内容：
在图像处理，计算机视觉越来越火爆的背景下，人们对图像分类的准确性和效果越来越高。一种图像分类机制Attention机制得到广泛应用，Attention的原理就是计算当前输入序列与输出向量的匹配程度，匹配度高也就是注意力集中点其相对的得分越高，其中Attention计算得到的匹配度权重，只限于当前序列对，不是像网络模型权重这样的整体权重。本题目将研究Attention机制的原理及其在计算机视觉领域的应用，用代码实现一个较新的Attention机制分类算法，并与其他算法进行效果的比较，尝试进行改进。
2. 毕业设计（论文）主要任务及要求
任务要求：
(1)查阅15篇相关文献（不少于3篇外文文献），并每篇书写200—300字文献摘要（装订成册，带封面）；
(2)认真填写周记，完成至少1500字开题报告；
3. 毕业设计（论文）完成任务的计划与安排
(1)2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；
(2)2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；
(3)2020/5/1—2020/5/25：撰写及修改毕业论文；
4. 主要参考文献
[1] Zhao B, Wu X, Feng J, et al. Diversifiedvisual attention networks for fine-grained object classification[J]. arXivpreprint arXiv:1606.08572, 2016.
[2] Xiao T, Xu Y, Yang K, et al. Theapplication of two-level attention models in deep convolutional neural networkfor fine-grained image classification[C]//Proceedings of the IEEE Conference onComputer Vision and Pattern Recognition. 2015: 842-850.
[3]Jaderberg M, Simonyan K, ZissermanA. Spatial transformer networks[C]//Advances in Neural Information ProcessingSystems. 2015: 2017-2025.
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。
