毕业论文课题相关文献综述
文 献 综 述
一、选题背景
随着数字图像处理和分析技术的发展，计算机能够处理图像信息、克服人类视觉上的许多缺点，已成为一项重要的研究课题。也因此促进了计算机视觉这一科学的产生和发展。计算机视觉是指用计算机采集图像、处理和分析图像，完成对图像的理解，对实际的场景做出有意义的判断，最终让计算机实现类似于人类的感知世界能力，代替人的视觉系统。
目标检测研究属于计算机视觉的研究领域，是视频分析的范畴，研究内容包括运动检测、目标分类、目标跟踪事件检测等。视频对象的识别、跟踪方法的研究是计算机视觉领域的一个重要方面，其研究结果日益广泛的应用到安全监控、工业控制、医疗和日常生活的各个领域，诸如产品自动分类、汽车自动驾驶、手写字符识别、特定人体跟踪，在因民经济中发挥着重大作用。总之，目标检测技术的研究意义重大，其研究成果具有显著的使用价值和广阔的发展前景。
目标检测任务目前有两种通行的解决方案，一种是两阶段目标检测，另一种是单阶段的。对于两阶段目标检测，首先需要神经网络识别目标，然后对识别出的目标进行分类。另一种则是单阶段，直接使用网络对目标进行检测。两阶段的好处在于实现容易，但下游的分类任务依赖上游识别定位任务的表现。而单阶段方法尽管不需要首先识别目标，但加大了端到端实现目标检测的难度。
一般而言，两阶段目标检测方法准确性高，但速度不快；而单阶段的检测器速度快，准确率并达不到最高。不过随着基于关键点的方法越来越流行，单阶段不仅快，同时效果也不错。
在单阶段目标检测方法中，围绕效率而生的 YOLO 神经网络是一个非常有趣的存在。YOLO 可以在 GPU 实现实时目标检测，而且效果还挺好。
然而，这些网络架构对于很多边缘和移动场景而言太大了，而且因为计算复杂度过高，在这些设备上的推断速度会很慢。为了解决这些问题，Redmon 等提出了 Tiny YOLO 家族的网络架构，可以在一定程度上牺牲目标检测性能，换取模型规模的极大缩小。
本课题便基于名为YOLO Nano 的网络，研究适合以上设备的解决方案。YOLO Nano神经网路是一个高度紧凑的网络，具有针对该应用量身定制的高度定制的模块级宏架构和微架构设计，嵌入式对象检测任务，具有模型小，计算成本低，处理速度快等优点，适合在移动端上使用。
二、研究现状及发展趋势
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
