项目实训日记（1）

    首先我们团队这个项目的主题是在采用嵌入式系统实现基于神经网络的无人机对象检测，目标是在大疆无人机上搭载的嵌入式硬件上通过无人机摄像头进行物体识别和追踪。

    我们的项目题目及实现的具体目标基于Design Automation Conference的2018系统设计大赛，该比赛于2017年10月份正式开始，由DJI，XILINX，NVIDIA三家公司赞助，分为FPGA组和GPU组两个类别并分别在不同的目标平台上进行。总共成功注册报名了114支团队（其中FPGA组61队，GPU组53队）。我们将收到由行业赞助商DJI提供的训练数据集，并将通过使用隐藏的数据集来被评估在精度和功率方面的性能。

    目标跟踪是在分类识别或选定一个物体以后，持续跟踪其运动状态。视频目标跟踪是计算机视觉领域的重要研究课题,其主要任务是获取视频序列中感兴趣的目标的位置与运动信息,为进一步的语义层分析 (动作识别、场景识别等)提供基础.其定义是:给定视频序列初始帧中目标的位置框 (一般为矩形框),在接下来的视频序列中自动给出该目标的位置框或者在目标离开视域时给出提示.我们将参考各种有关于深度学习及对象跟踪等方向的论文文献，实验如Caffe，Caffe2等各个开源软件库训练结果进行比对选择和使用及优化。我们会使用1080Ti服务器以及NVIDIA Jetson TX2上使用给出的及自己搜集的数据进行模型的训练检测。

    在加入项目组之后，我一直在进行机器学习和深度学习方面的内容的学习，也参考学习了很多博客，比如龙心尘博客里的机器学习系列http://blog.csdn.net/longxinchen_ml/article/category/5895411/2。深度学习也就是一种多隐层的神经网络。通过网上的网易机器学习公开课，blog里的对机器学习和深度学习的知识的介绍，我学到了深度学习的大体的架构和流程，也了解到许多运用在深度学习与计算机视觉中用到的方法和思想，比如图像分类、梯度下降、反向传播、神经网络结构和数据的预处理以及尤其在图像中运用普遍的卷积神经网络等等。

    除了进行这些知识的学习，也通过Python写了一些深度学习的小例子来更好的进行理解。

    （这个自己跑的代码没有截全，例子是在http://blog.csdn.net/longxinchen_ml/article/details/50521933深度学习与计算机视觉系列9中学习的）

    在最近这些天的讨论里，通过知道了我们的目标是用一些深度学习的算法如goturn和ssd等算法来实现我们项目里的物体识别和追踪目标。自己最近还了解了caffe架构的大体结构和运行的方法。在讨论班里还学习了一些近似计算的思想。

    接下来自己将会对caffe框架进行学习，研读caffe的底层代码，同时会研究goturn算法的结构，为将来的优化做准备。