深度學習畢設有什麼好的題目？

01-14

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；

⑦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