论文(设计)题目 |
基于多任务学习的人脸关键点检测
|
|||||
论文(设计)类型 |
基础理论 |
|
选 题 来 源
|
指导教师 科研项目 |
国家项目 |
|
应用研究 |
√ |
部省(市)项目 |
|
|||
开发研究 |
|
学校项目 |
|
|||
|
|
生产单位 |
|
|||
|
|
自 拟 |
√ |
|||
论文(设计)的主要内容、理论意义和应用价值:
主要内容: 1.调研最新的、经典的基于深度学习的人脸关键点检测与校准算法及其相关实现。 2.调研当前多任务学习方面的进展,比较各种多任务学习实现算法的性能。 3.确定要进行多任务学习的具体任务,进而设计与实现基于多任务学习的人脸关键点检测网络,并通过实验进行性能的分析。 4.撰写相关实验报告和论文
理论意义: 充分学习与探索当前实现的性能较好的人脸关键点识别算法,通过实践总结与归纳基于多任务学习的不同策略。并希望能够在已有研究的基础上,做出一定的改进或者创新。
应用价值: 通过所学的机器学习、深度学习的相关知识,并结合对当前人脸识别方向的算法与策略的充分研究与调查,能够解决一些人脸关键点检测方面在实际应用上的问题。
|
||||||
主要参考书目: 《An Overview of Multi-Task Learning in Deep Neural Networks》
《PFLD-A Practical Facial Landmark Detector》
《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》
《Learning Multiple Tasks with Deep Relationship Networks.》
《Cross-Stitch Networks for Multi-Task Learning》
《Fully-Adaptive Feature Sharing in Multi-Task Networks with Applications in Person Attriute Classification.》
等相关论文
|
毕业论文(设计)写作计划
( 2020年 2月 17日 至 2020 年 5月 24 日)
各阶段工作时间 |
论文(设计)各阶段工作内容及要求 |
检查方式 |
第1-2周
第3-8周
第9-12周
第13-14周
|
根据老师指导阅读相关论文,对当前人脸识别与关键点校准的已有算法充分考察。对多任务学习的不同策略有初步了解。
充分学习、调研相关方向的论文、算法后,实践能够找到的源代码,或者根据相关算法实现基于多任务学习的人脸关键点检测网络,并通过实验测试性能,做出改进,解决问题。
对基于多任务学习的不同方案的性能进行比较,并根据已有的实验结果分析各种算法的优缺点,进行相关报告和论文的撰写。
通过与导师和组内相关任务同学交流,再进一步修改完善论文与毕业设计。 |
线上开题答辩检查
毕业设计中期检查
论文预答辩和成果展示
毕业设计评阅
|
指导教师意见:
指导教师签字: 年 月 日 |
来源:CSDN
作者:大西瓜不甜
链接:https://blog.csdn.net/mid_Faker/article/details/104630668