毕业设计任务书1

毕业设计任务书1是针对重庆大学本科学生的毕业设计项目，其主题为“面向生鲜超市蔬菜的细粒度分类算法研究”。这个项目旨在让学生通过实践掌握一系列关键技能和知识，包括Python编程语言、Pytorch框架的运用，以及计算机视觉和图像处理的基础理论。此外，它还要求学生深入理解行为定位的关键问题，特别是弱监督学习方法在行为定位中的应用，并针对这些问题提出创新解决方案。 项目要求学生熟练掌握Python和Pytorch。Python是目前数据科学和机器学习领域最广泛使用的编程语言之一，因其语法简洁且拥有丰富的库支持而受到青睐。Pytorch则是一个强大的深度学习框架，允许用户创建和训练复杂的神经网络模型，尤其适合进行计算机视觉相关的任务。学生需要通过实际操作来熟悉这两个工具，以便在后续的视频行为识别中构建和优化模型。 计算机视觉和图像处理基础知识的学习至关重要。这包括颜色模型、图像特征提取、图像增强、目标检测、图像分类等概念。这些基础知识将帮助学生理解如何从图像中获取有用的信息，以及如何处理和分析这些信息，以实现对蔬菜的细粒度分类。 在行为定位方面，任务书强调了弱监督学习的重要性。弱监督学习是一种在有限标注数据下训练模型的方法，尤其适用于标注成本高昂的大规模数据集。在行为定位任务中，由于现有的弱监督方法往往只能识别到具有显著特征的视频帧，因此可能导致行为定位不完整。学生需要深入探究这一问题，设计出新的模型，以改善定位的完整性和准确性。 项目的进度安排如下： 1. 第0周至第4周，学生将通过学习资料掌握系统应用开发技术，尤其是与Python和Pytorch相关的部分。 2. 第4周至第7周，查阅相关文献，撰写开题报告、文献综述和外文翻译，为项目打下理论基础。 3. 第8周至第12周，学生将专注于视频行为识别网络的设计和实现，利用所学的计算机视觉和深度学习知识。 4. 第12周至第13周，基于弱监督学习，实现视频行为定位网络。 5. 第14周至第15周，进行实验、测试并分析结果，验证模型的有效性。 6. 第15周至第16周，撰写毕业论文并准备论文答辩。 参考文献中包含了近年来在行为定位领域的最新研究成果，如Shou等人(2016)提出的多阶段CNN方法，Long等人(2019)的高斯时间感知网络，Ji等人(2019)的少标签学习，Liu等人(2019)的完整性建模和上下文分离，以及Chang等人(2019)的区分性可微动态时间规整(D3TW)，这些都将为学生的毕业设计提供理论和技术支持。 这个毕业设计项目将使学生在实践中巩固理论知识，提升解决实际问题的能力，同时对计算机视觉和弱监督学习有更深入的理解，为他们未来的职业生涯打下坚实的基础。