南京邮电大学通达学院 大学生创新创业训练计划管理系统

南京邮电大学通达学院 创新创业管理系统

详情

基于Faster R-CNN目标检测的优化的研究与实现

申报人：许恭友 申报日期：2021-04-15

基本情况

2021
基于Faster R-CNN目标检测的优化的研究与实现 学生申报
创新训练项目
工学
计算机类
学生来源于教师科研项目选题
一年期
通过RPN提取RP、CNN提取特征、 softmax分类、建立多任务损失函数边框回归。针对传统目标检测算法中存在的缺陷和问题，优化Faster R-CNN目标检测算法。从而达到在提高对检测精度和速度、真正实现端到端的目标检测框架；
2020 蓝桥杯 C\C++程序设计竞赛 江苏省赛 一等奖 
2020 全国计算机能力挑战赛 国赛 三等奖
2019 全国计算机能力挑战赛 华东赛区 二等奖
2020 微信小程序开发大赛校赛 二等奖
2020年4月 参与 科协社团管理App开发
2021年4月 参与 广州优家直租房项目，获得挑战杯校赛二等奖，并申报互联网+
2021年4月 参与 南京爱宠私人定制平台项目 互联网+项目
2021年1月 参与 南京邮电大学电子设计冬令营
2021年1月 参与 南京邮电大学通达学院数学建模冬令营

论文：

[1] Yonghong Yu, Li Zhang, Can Wang, Rong Gao, Weibin Zhao, and Jing Jiang, Neural Personalized Ranking via Poisson Factor Model for Item Recommendation. Complexity, 2019, 2019 ( Article ID 3563674):1-16. (SCI) 

[2]Yonghong Yu, Yang Gao, Hao Wang, and Ruili Wang. Joint user knowledge and matrix factonrization for recommender system. World Wide Web Journal, 2018, 21(4):1141-1163. (SCI)

[3] Yonghong Yu, and Can Wang. Item Attribute-Aware Probabilistic Matrix Factorization for Item   Recommendation. Applied Intelligence, 2017, 46(3):521-533. (SCI)

[4] Yonghong Yu, and Can Wang. Item Attribute-Aware Probabilistic Matrix Factorization for Item Recommendation. Journal of Internet Technology, 2014, 15(6):975-984. (SCI)

[5] 余永红,高阳,王皓,孙栓柱. 融合用户社会地位和矩阵分解的推荐算法. 计算机研究与发展, 2018, 55(1): 113-124.(EI)

[6] 余永红, 高阳, 王皓. 基于Ranking的泊松矩阵分解兴趣点推荐算法. 计算机研究与发展, 2016, 52(1): 1651-1663. (EI)

[7] Yu Y, Wang C, Zhang L, et al. Geographical Proximity Boosted Recommendation Algorithms for Real Estate. In Proc. of the 19thInternational Conference on Web Information Systems Engineering. 2018: 51-66. (EI)

[8] Yonghong Yu, Hao Wang, Yang Gao. Exploiting Location Significance and User Authority for Point-of-Interest Recommendation. In Proc. of the 21th Pacific-Asia Conference on Knowledge Discovery and Data Mining. 2017:119-130. (EI)

[9] Yonghong Yu, Yang Gao, Hao Wang, and Ruili Wang. Joint User Knowledge and Matrix Factorization for Recommender Systems. In Proc. of the 17th International Conference on Web Information System Engineering (WISE'2016). 2016:77-91. (EI)

[10]Yonghong Yu, and Xingguo Chen. A Survey of Point-of-Interest Recommendation in Location-Based Social Networks. In Proc. of the Trajectory-Based Behavior Analytics Workshop at the Twenty-Ninth AAAI Conference on Artificial Intelligence. 2015:53-60. (EI)

[11] Yonghong Yu, Can Wang, Yang Gao, Longbing Cao,and Xixi Chen. A Coupled Clustering Approach for Items Recommendation. In Proc. of the 17th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD'2013). 2013: 365-376. (EI)

参与项目：

[1] 国家自然科学基金重点项目：基于云计算的海量数据挖掘(61035003)，230万，2011/01～2014/12， 结题。

[2] 国家自然科学基金重点项目: 面向大数据的知识表示、推理、在线学习理论及应用研究 (61432008), 350万， 2015/01～2019/12，在研。

[3] 国家自然科学基金面上项目：强化学习迁移技术及其在交互式游戏中的应用研究(61175042)，58万，2012/01~2015/12, 结题。

[4] 国家自然科学基金青年基金项目:基于值函数估计的强化学习算法研究(61403208), 25万，2015/01~2017/12, 结题。

[5] 国家自然科学基金(面上)项目：强化学习迁移技术及在交互式游戏中的应用(61175042),58万，2012/01~2015/12，结题。

主持项目：

[1] 江苏省高等学校自然科学研究面上项目：基于用户签到行为的兴趣点推荐算法研究（17KJB520028）, 3万，2017/09~2019/08，

[2] 南京邮电大学一般项目/国自基金孵化项目：基于位置社交网络中兴趣点推荐算法，2万，2017/01~2019/12，

[3]南京邮电大学通达学院院级科研基金项目：基于泊松因子模型和在线学习的推荐算法研究，5万，2018/11~2021/10, 

指导老师余老师认真负责，并多年从事数据挖掘和机器学习方面的研究工作，近年参与主持多项与本课题相关的研究项目，并且在国内外期刊会议发表多篇与本课题相关的学术研究论文，为本课题的开展奠定坚实的基础。
省级

项目成员

序号 学生 所属学院 专业 年级 项目中的分工 成员类型
许恭友 计算机工程学院 计算机科学与技术 2019 负责算法的编写，调试。数学模型的建立以及数学公式的推导。
李贤和 计算机工程学院 计算机科学与技术（嵌入式培养） 2019 项目部署
甘瑾 通信工程学院 信息工程 2019 负责论文整理、论文编写、对模型的总结与归纳。

指导教师

序号 教师姓名 所属学院 是否企业导师 教师类型
余永红 计算机工程学院 否

立项依据

 ·提高个人能力，其中包括科研能力，写作能力，阅读能力，程序设计能力、创新能力和团队合作能力。

·  针对传统目标检测算法中存在的缺陷和问题，提出基于Faster R CNN的目标检测算法的优化。

· 对提出的目标检测算法进行理论分析和实验验证，在国内外期刊会议上发表相关学术论文，与同行进行交流，促进本研究领域的发展。

我们主要研究基于Faster R-CNN的目标检测，提出新的效率更高的优化方法。基本思想是：通过RPN提取RP、CNN提取特征、 softmax分类、建立多任务损失函数边框回归。从而达到提高了检测精度和速度、真正实现端到端的目标检测框架；

近年来人工智能的发展越来越接近我们的日常生活，与之相关的技术包括机器学习，神经网络，深度学习等。在计算机视觉领域，图片分类任务我们已经熟悉了，就是算法对其中的对象进行分类。但构建神经网络的另一个问题，即目标检测问题。这意味着，我们不仅要用算法判断图片中是不是一辆汽车， 还要在图片中标记出它的位置， 用边框或红色方框把汽车圈起来， 这就是目标检测问题。 其中“定位”的意思是判断汽车在图片中的具体位置。

近几年来，目标检测算法取得了很大的突破。比较流行的算法可以分为两类，一类是基于Region Proposal的R-CNN系算法（R-CNN，Fast R-CNN, Faster R-CNN等），它们是two-stage的，需要先算法产生目标候选框，也就是目标位置，然后再对候选框做分类与回归。而另一类是Yolo，SSD这类one-stage算法，其仅仅使用一个卷积神经网络CNN直接预测不同目标的类别与位置。第一类方法是准确度高一些，但是速度慢，但是第二类算法是速度快，但是准确性要低一些。这可以在下图中看到。

通过RPN提取RP、CNN提取特征、 softmax分类、建立多任务损失函数边框回归。从而达到提高检测精度和速度、真正实现端到端的目标检测框架；

一、技术路线：


二、拟解决的问题
优化传统算法中的目标检测算法中速度慢、精度低等缺陷与不足。
 三、预期成果
1.提高个人能力，其中包括科研能力，写作能力，阅读能力，程序设计能力、创新能力和团队合作能力。  
2. 针对传统目标检测算法中存在的缺陷和问题，提出基于Faster R CNN的目标检测算法的优化。  
3.对提出的目标检测算法进行理论分析和实验验证，在国内外期刊会议上发表相关学术论文，与同行进行交流，促进本研究领域的发展。  

2021·4 立项与收集资料

2021·5-2021·6中旬 实现与研究传统目标检测算法

2021·6-2021·11中旬 针对Faster R CNN 来实现的目标检测算法提出优化方法。

2021·12-2022·2 实现提出的算法完成论文并在国内外期刊会议上发表。

1. 整理了几种实现方法经典论文及其代码。
2. 初步了解基础的卷积神经网络的经典目标检测算法，包括R-CNN、Fast R-CNN、Yolo3,等算法。
3. 有一定的语言能力，拥有编写Python、Java、Flutter、Swift、C++等程的能力。
4. 正在学习中的tensorflow、Pytorch等基础框架的应用
5. 正在学习Andrew Ng的《machine-learning》课程、并完成Coursera所对应的作业。
我们目前掌握了相关的Java、Swift、Js、Android App、Python、flutter等编程基础。会做简单数据可视化、爬虫获取数据。
尚缺少的条件：
我们目前对于机器学习、图像处理的知识较少。我们将会结合实际项目，学习相关的知识。
训练模型没有相对性能好的服务器，目前想法是租用高性能服务器。

经费预算

开支科目 预算经费（元） 主要用途 阶段下达经费计划（元）
前半阶段 后半阶段
预算经费总额 3000.00 无 500.00 2500.00
1. 业务费 2500.00 无 0.00 2500.00
（1）计算、分析、测试费 0.00 无 0.00 0.00
（2）能源动力费 0.00 无 0.00 0.00
（3）会议、差旅费 0.00 无 0.00 0.00
（4）文献检索费 0.00 无 0.00 0.00
（5）论文出版费 2500.00 论文出版费 0.00 2500.00
2. 仪器设备购置费 0.00 无 0.00 0.00
3. 实验装置试制费 0.00 无 0.00 0.00
4. 材料费 500.00 材料费 500.00 0.00
结束

用户单位：南京邮电大学通达学院        

版权所有：南京先极科技有限公司