1. 本选题研究的目的及意义
近年来，随着计算机视觉和深度学习的快速发展，室内场景目标识别成为了一个备受关注的研究热点，并在智能家居、机器人导航、增强现实等领域展现出巨大的应用潜力。
本选题以深度学习为基础，探索室内场景目标识别的有效方法，旨在提高识别精度和效率，为相关应用提供技术支持。
1. 研究目的
2. 本选题国内外研究状况综述
室内场景目标识别作为计算机视觉领域的重要研究方向，近年来取得了显著进展。
深度学习的兴起为该领域注入了新的活力，推动了识别精度和效率的提升。
1. 国内研究现状
3. 本选题研究的主要内容及写作提纲
1. 主要内容
本研究的主要内容包括以下几个方面：1.室内场景数据集构建与分析：a.收集和整理现有室内场景图像数据集，例如SUNRGB-D、NYUDv2等，并对数据集进行分析，了解其特点和局限性。
b.根据研究目标，对现有数据集进行扩展或构建新的数据集，以满足室内场景目标识别的特定需求。
4. 研究的方法与步骤
本研究将采用以下方法和步骤：1.文献调研：查阅国内外相关文献，了解室内场景目标识别的研究现状、发展趋势以及深度学习在该领域的应用情况，为研究提供理论基础。
2.数据集构建与分析：收集和整理室内场景图像数据集，对数据集进行预处理，并分析数据集的特点，为模型训练和测试做好准备。
3.深度学习模型选择与优化：研究和分析现有的深度学习目标识别模型，选择合适的模型作为基础模型，并针对室内场景的特点进行模型优化，例如调整网络结构、改进损失函数等。
5. 研究的创新点
本研究的创新点主要体现在以下几个方面：1.针对室内场景的特点，提出一种改进的深度学习目标识别模型，提高模型在复杂室内环境下的识别精度和鲁棒性。
2.构建一个面向特定应用场景的室内场景目标识别数据集，为模型训练和测试提供数据基础。
3.开发一个基于深度学习的室内场景目标识别系统，并在实际应用场景中进行测试和评估，验证系统的有效性和实用性。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
[1] 刘华俊,王立军.基于深度学习的目标检测研究进展[J].计算机应用研究,2016,33(01):1-9 20.
[2] 孙志军,薛磊,许阳.深度学习在目标跟踪中的应用综述[J].自动化学报,2017,43(04):550-568.
[3] 何凯明,张祥雨,任少卿,等.深度残差网络[C]//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR).IEEE,2016:770-778.
