深度上了设有什么好的问题？

岑雨 4小时前 43 研究僧毕设，导师基本指望不上。自己平常积累了一些深度学习的知识，有没有什么好的工程类的毕设题目推荐？另能拿来跑的只有我的低配mac本了，谢谢～ 0 赞 0 踩 其他回答 基于深度学习的计算机视觉、模式识别等有关工程还是蛮⑥的，可能适合你，各方面资源代码也多。
挑个你感兴趣的——人脸识别，行人检测，车牌识别，目标跟踪，目标匹配，重建，分割等等。
————————————————————————————————————————————

贴几个资源和代码链接，题主看看能不能用得到：
①计算机视觉CV基础论文代码等：CVPapers - Computer Vision Resource ； Computer Vision Algorithm Implementations；

②深度学习基础相关介绍及论文等： @jacky yang 在深度学习如何入门？ - 机器学习的这个高票回答特别好，台湾李宏毅教授写的300多页的ppt看完受益匪浅，也可以关注这个问题深度学习入门必看的书和论文？有哪些必备的技能需学习？ - 深度学习（Deep Learning）；

③行人检测相关 行人检测资源（上）综述文献；行人检测资源（下）代码数据；

④多目标跟踪 MOT Challenge 包括MOT介绍、数据库、算法对比及少量开源代码；Anton Milan 他做的几个基于深度学习的论文不错，有代码；

⑤人脸识别相关 人脸识别有关理论可以查阅相关论文；技术总结人脸识别技术大总结1——Face Detection & Alignment ；ChrisYang (Heng) · GitHub；中科院山世光老师最近提出的GitHub - seetaface/SeetaFaceEngine 以及有关配置安装教程SeetaFace教程（一） 在 VS 中的编译安装和环境配置 - 何之源的文章 - 百晓知道专栏；计算机视觉日报很不错——第203期计算机视觉日报(2015-10-14)应用谷歌FaceNet深度神经网络进行面部识别的开源项目等等；

⑥车牌识别相关 EasyPR--一个开源的中文车牌识别系统 包括车牌识别原理、代码等；

⑦进阶版（这里能找到好多基于深度学习的计算机视觉项目）——特别推荐这几个链接，包括一些比较好的CV会议的项目链接代码文献等等，可以自己搜索想要的，比如： iclr2016 ：Conference-Iclr-2016；CVPR2016：Conference-Cvpr-2016。
——————————————————————————————————————————

下面列一些在链接⑦中找到的CVPR2016论文项目和其他比较有趣的项目：

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）
链接：https://github.com/gidariss/LocNet

3. Caffe_VDSR: 论文 "Accurate Image Super-Resolution Using Very Deep Convolutional Networks" (CVPR 2016 Oral Paper) 在深度学习框架caffe上的实现。
项目地址：http://cv.snu.ac.kr/research/VDSR 代码：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将2D变成3D（PS：贴张大爱的权游龙母照）。

5.3DDFA：Face Alignment Across Large Poses: A 3D Solution——3D大偏角人脸对齐，基于卷积神经网络（CNN）链接：http://www.cbsr.ia.ac.cn/users/xiangyuzhu/projects/3DDFA/main.htm

6.特别赞的一个图像修复工作：Context Encoders: Feature Learning by Inpainting（UC berkeley CVPR2016）链接：http://people.eecs.berkeley.edu/~pathak/context_encoder/

7.基于caffe的图像骨架提取：Object Skeleton Extraction in Natural Images by Fusing Scale-associated Deep Side Outputs 链接：https://github.com/zeakey/DeepSkeleton

8.Shallow and Deep Convolutional Networks for Saliency Prediction （CVPR Caffe）
链接：https://github.com/imatge-upc/saliency-2016-cvpr

9.图像问答~~DPPNET：Image Question Answering using Convolutional Neural Network with Dynamic Parameter Prediction 链接：http://cvlab.postech.ac.kr/research/dppnet/

希望能帮到你，以上。 岑雨 4小时前 0条评论 0 赞 0 踩 没GPU，不DL。 热心网民 4小时前 0条评论 0 赞 0 踩 登录后可回答 提交回答