深度學習畢設有什麼好的題目?

研究僧畢設,導師基本指望不上。自己平常積累了一些深度學習的知識,有沒有什麼好的工程類的畢設題目推薦?另能拿來跑的只有我的低配mac本了,謝謝~


基於深度學習的計算機視覺、模式識別等有關工程還是蠻⑥的,可能適合你,各方面資源代碼也多。

挑個你感興趣的——人臉識別,行人檢測,車牌識別,目標跟蹤,目標匹配,重建,分割等等。

————————————————————————————————————————————

貼幾個資源和代碼鏈接,題主看看能不能用得到:

①計算機視覺CV基礎論文代碼等:CVPapers - Computer Vision Resource ; Computer Vision Algorithm Implementations;

②深度學習基礎相關介紹及論文等: @jacky yang 在深度學習如何入門? - 機器學習的這個高票回答特別好,台灣李宏毅教授寫的300多頁的ppt看完受益匪淺,也可以關注這個問題深度學習入門必看的書和論文?有哪些必備的技能需學習? - 深度學習(Deep Learning);

③行人檢測相關 行人檢測資源(上)綜述文獻;行人檢測資源(下)代碼數據;

④多目標跟蹤 MOT Challenge 包括MOT介紹、資料庫、演算法對比及少量開源代碼;Anton Milan 他做的幾個基於深度學習的論文不錯,有代碼;

⑤人臉識別相關 人臉識別有關理論可以查閱相關論文;技術總結人臉識別技術大總結1——Face Detection Alignment ;ChrisYang (Heng) · GitHub;中科院山世光老師最近提出的GitHub - seetaface/SeetaFaceEngine 以及有關配置安裝教程SeetaFace教程(一) 在 VS 中的編譯安裝和環境配置 - 何之源的文章 - 知乎專欄;計算機視覺日報很不錯——第203期計算機視覺日報(2015-10-14)應用谷歌FaceNet深度神經網路進行面部識別的開源項目等等;

⑥車牌識別相關 EasyPR--一個開源的中文車牌識別系統 包括車牌識別原理、代碼等;

進階版(這裡能找到好多基於深度學習的計算機視覺項目)——特別推薦這幾個鏈接,包括一些比較好的CV會議的項目鏈接代碼文獻等等,可以自己搜索想要的,比如: iclr2016 :Conference-Iclr-2016;CVPR2016:Conference-Cvpr-2016。

——————————————————————————————————————————

下面列一些在鏈接⑦中找到的CVPR2016論文項目和其他比較有趣的項目

1.Slicing Convolutional Neural Network for Crowd Video Understanding

http://www.ee.cuhk.edu.hk/~jshao/SCNN.html

2.LocNet: Improving Localization Accuracy for Object Detection (CVPR2016)

鏈接:https://github.com/gidariss/LocNet

3. Caffe_VDSR: 論文 "Accurate Image Super-Resolution Using Very Deep Convolutional Networks" (CVPR 2016 Oral Paper) 在深度學習框架caffe上的實現。

項目地址:http://cv.snu.ac.kr/research/VDSR 代碼:https://github.com/huangzehao/caffe-vdsr

4.Deep3D: Automatic 2D-to-3D Video Conversion with CNNs http://dmlc.ml/mxnet/2016/04/04/deep3d-automatic-2d-to-3d-conversion-with-CNN.html

利用CNNs將2D變成3D(PS:貼張大愛的權游龍母照)。

5.3DDFA:Face Alignment Across Large Poses: A 3D Solution——3D大偏角人臉對齊,基於卷積神經網路(CNN)鏈接:http://www.cbsr.ia.ac.cn/users/xiangyuzhu/projects/3DDFA/main.htm

6.特別贊的一個圖像修復工作:Context Encoders: Feature Learning by Inpainting(UC berkeley CVPR2016)鏈接:http://people.eecs.berkeley.edu/~pathak/context_encoder/

7.基於caffe的圖像骨架提取:Object Skeleton Extraction in Natural Images by Fusing Scale-associated Deep Side Outputs 鏈接:https://github.com/zeakey/DeepSkeleton

8.Shallow and Deep Convolutional Networks for Saliency Prediction (CVPR Caffe)

鏈接:https://github.com/imatge-upc/saliency-2016-cvpr

9.圖像問答~~DPPNET:Image Question Answering using Convolutional Neural Network with Dynamic Parameter Prediction 鏈接:http://cvlab.postech.ac.kr/research/dppnet/

希望能幫到你,以上。


沒GPU,不DL。


我見過一些學長學姐畢設就是在常見網路上改來改去,比如換個分類器啊,或者提取特徵啊。總之,怎麼能提高精度,哪怕一丟丟都可以。搞不懂這樣的工作有什麼意義。

一點建議

看一看頂會的論文,看看人家的idea能不能轉化一下。比如我之前的一篇pairloss的文章(手機答題沒貼鏈接),靈感就是從cvpr的一篇論文來的,後來自己設定了一個Loss函數並且實現了。結果也還不錯。最近整理一下看能不能投個啥文章。

背景:

本人大三。前面幾位的畢設最終做成什麼樣我不知道。還沒到要答辯的時候,我也不知道畢設做到什麼水平算好。我自己的經歷也是屬於閑了玩玩。

關於Mac的問題...要是沒有gpu或者工作站,並且不能解決這個問題的話,換題吧。


建議換題


DL以圖搜圖用筆記本是闊以辦到的=。-而且方法相當簡單。如果已經掌握了DL的基礎知識,會一些c++和python編程,大概一個星期就能弄出來=。-


樓主,最後畢業設計的題目選定了嗎,做的是什麼?


驗證碼識別可以有 http://edu.51cto.com/course/course_id-8088.html


mac跑不動的,改一個參數跑一趟,能忍?

推薦去找畢設的指導老師,看能不能用實驗室的機器。

不行的話,可以考慮配個6000千左右的台式機(i5 GTX970)


  • 1.深度學習在不同領域中的應用方面的

  • 2.深度學習對於強專業性學習之間的關係研究方面的

  • 3.網路深度學習內容構建方面的


試試自己設計一種模式並生成大量樣本訓練,但是dl無效?還有。。筆記本跑個mnist還是可以的


建議與時代相結合,選取現代化互聯網相關結合的題目,類似相關新行業和新經濟,可以私聊我拿一份資料喔


推薦閱讀:

什麼是稀疏特徵(Sparse Features)?
如何評價MSRA的新paper:Deep Image Analogy?
需要一個「隨機梯度下降」的詳細教程?
RNN神經網路訓練過程中weight幾乎不更新,只有bias更新?
如何評價《Tensorflow實戰》和《Tensorflow:實戰Google深度學習框架》這兩本書?

TAG:畢業設計 | 深度學習DeepLearning |