开题报告

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