1. 毕业设计（论文）主要目标：
目标检测近年来已经取得了很重要的进展，主流的算法主要分为两个类型，第一种是two-stage方法，比如R-CNN系算法，其主要思路是先通过启发式方法（selective search）或者CNN网络（RPN)产生一系列稀疏的候选框，然后对这些候选框进行分类与回归，它的优势是准确度高；第二种就是one-stage方法，其中包含YOLO和SSD算法。
主要思路是均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，然后利用CNN提取特征后直接进行分类与回归，它的优势是速度快。
我们这次重点研究SSD目标检测算法，SSD算法是基于一个前馈的卷积网络，该网络产生一个固定大小的包围框集合，并对这些框中存在的对象类别进行评分，然后利用非极大值抑制方法产生最后的检测结果。
2. 毕业设计（论文）主要内容：
1首先就图像识别这一方面提出基于深度学习的目标检测算法的发展历程及其主流的算法。
2由于Faster R-CNN，存在着速度慢的缺点。
该论文提出SSD方法，不仅提高了速度，而且提高了准确度，且速度比之前最快的YOLO更快。
3. 主要参考文献
[1]SSD卷积神经网络在SAR图像目标检测中的应用研究[D]. 毛家顺.西安电子科技大学 2018[2]基于深度学习的目标检测算法研究[D]. 温捷文.广东工业大学 2018[3]基于SSD网络模型的多目标检测算法[J]. 蔡汉明,赵振兴,韩露,曾祥永.机电工程. 2017(06)[4]神经网络设计[M]. 机械工业出版社 , (美)MartinT.Hagan等著, 2002[5] Rapid Object Detection using a Boosted Cascade of Simple Features.Viola P,Jones M. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition . 2001[6] Learning rotation-invariant convolutional neural networks for object detection in VHR optical remote sensing images. Cheng G,Zhou P,Han J. IEEE Transactions on Geoscience and Remote Sensing . 2016[7]目标检测算法之SSD-小白将-CSDN博客
