论文名称：Rich feature hierarchies for accurate object detection and semantic segmentation 提出时间：2014年 论文地址： 针对问题： 从Alexnet提出后，作者等人思考如何利用卷积网络来完成检测任务，即输入一张图，实现图上目标的定位（目标在哪）和分类（目标是什么）两个目标，并最终完成了RCNN网络模型。 创新点： RCNN提出时，检测网络的执行思路还是脱胎于分类网络。也就是深度学习部分仅完成输入图像块的分类工作。那么对检测任务来说如何完成目标的定位呢，作者采用的是Selective Search候选区域提取算法，来获得当前输入图上可能包含目标的不同图像块，再将图像块裁剪到固定的尺寸输入CNN网络来进行当前图像块类别的判断。 参考博客： 。 论文题目：OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks 提出时间：2014年 论文地址： 针对问题： 该论文讨论了，CNN提取到的特征能够同时用于定位和分类两个任务。也就是在CNN提取到特征以后，在网络后端组织两组卷积或全连接层，一组用于实现定位，输出当前图像上目标的最小外接矩形框坐标，一组用于分类，输出当前图像上目标的类别信息。也是以此为起点，检测网络出现基础主干网络(backbone)+分类头或回归头（定位头）的网络设计模式雏形。 创新点： 在这篇论文中还有两个比较有意思的点，一是作者认为全连接层其实质实现的操作和1x1的卷积是类似的，而且用1x1的卷积核还可以避免FC对输入特征尺寸的限制，那用1x1卷积来替换FC层，是否可行呢？作者在测试时通过将全连接层替换为1x1卷积核证明是可行的；二是提出了offset max-pooling，也就是对池化层输入特征不能整除的情况，通过进行滑动池化并将不同的池化层传递给后续网络层来提高效果。另外作者在论文里提到他的用法是先基于主干网络+分类头训练，然后切换分类头为回归头，再训练回归头的参数，最终完成整个网络的训练。图像的输入作者采用的是直接在输入图上利用卷积核划窗。然后在指定的每个网络层上回归目标的尺度和空间位置。 参考博客： 论文题目：Scalable Object Detection using Deep Neural Networks 提出时间：2014年 论文地址： 针对问题： 既然CNN网络提取的特征可以直接用于检测任务（定位+分类），作者就尝试将目标框（可能包含目标的最小外包矩形框）提取任务放到CNN中进行。也就是直接通过网络完成输入图像上目标的定位工作。 创新点： 本文作者通过将物体检测问题定义为输出多个bounding box的回归问题. 同时每个bounding box会输出关于是否包含目标物体的置信度, 使得模型更加紧凑和高效。先通过聚类获得图像中可能有目标的位置聚类中心，（800个anchor box）然后学习预测不考虑目标类别的二分类网络，背景or前景。用到了多尺度下的检测。 参考博客： 论文题目：DeepBox: Learning Objectness with Convolutional Networks 提出时间：2015年ICCV 论文地址： 主要针对的问题： 本文完成的工作与第三篇类似，都是对目标框提取算法的优化方案，区别是本文首先采用自底而上的方案来提取图像上的疑似目标框，然后再利用CNN网络提取特征对目标框进行是否为前景区域的排序；而第三篇为直接利用CNN网络来回归图像上可能的目标位置。创新点： 本文作者想通过CNN学习输入图像的特征，从而实现对输入网络目标框是否为真实目标的情况进行计算，量化每个输入框的包含目标的可能性值。 参考博客： 论文题目：AttentionNet: AggregatingWeak Directions for Accurate Object Detection 提出时间：2015年ICCV 论文地址： 主要针对的问题： 对检测网络的实现方案进行思考，之前的执行策略是，先确定输入图像中可能包含目标位置的矩形框，再对每个矩形框进行分类和回归从而确定目标的准确位置，参考RCNN。那么能否直接利用回归的思路从图像的四个角点，逐渐得到目标的最小外接矩形框和类别呢？ 创新点： 通过从图像的四个角点，逐步迭代的方式，每次计算一个缩小的方向，并缩小指定的距离来使得逐渐逼近目标。作者还提出了针对多目标情况的处理方式。 参考博客： 论文题目：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 提出时间：2014年 论文地址： 针对问题： 如RCNN会将输入的目标图像块处理到同一尺寸再输入进CNN网络，在处理过程中就造成了图像块信息的损失。在实际的场景中，输入网络的目标尺寸很难统一，而网络最后的全连接层又要求输入的特征信息为统一维度的向量。作者就尝试进行不同尺寸CNN网络提取到的特征维度进行统一。创新点： 作者提出的SPPnet中，通过使用特征金字塔池化来使得最后的卷积层输出结果可以统一到全连接层需要的尺寸，在训练的时候，池化的操作还是通过滑动窗口完成的，池化的核宽高及步长通过当前层的特征图的宽高计算得到。原论文中的特征金字塔池化操作图示如下。 参考博客 ： 论文题目：Object detection via a multi-region & semantic segmentation-aware CNN model 提出时间：2015年 论文地址： 针对问题： 既然第三篇论文multibox算法提出了可以用CNN来实现输入图像中待检测目标的定位，本文作者就尝试增加一些训练时的方法技巧来提高CNN网络最终的定位精度。创新点： 作者通过对输入网络的region进行一定的处理（通过数据增强，使得网络利用目标周围的上下文信息得到更精准的目标框）来增加网络对目标回归框的精度。具体的处理方式包括：扩大输入目标的标签包围框、取输入目标的标签中包围框的一部分等并对不同区域分别回归位置，使得网络对目标的边界更加敏感。这种操作丰富了输入目标的多样性，从而提高了回归框的精度。 参考博客 ： 论文题目：Fast-RCNN 提出时间：2015年 论文地址： 针对问题： RCNN中的CNN每输入一个图像块就要执行一次前向计算，这显然是非常耗时的，那么如何优化这部分呢？ 创新点： 作者参考了SPPNet（第六篇论文），在网络中实现了ROIpooling来使得输入的图像块不用裁剪到统一尺寸，从而避免了输入的信息丢失。其次是将整张图输入网络得到特征图，再将原图上用Selective Search算法得到的目标框映射到特征图上，避免了特征的重复提取。 参考博客 ： 论文题目：DeepProposal: Hunting Objects by Cascading Deep Convolutional Layers 提出时间：2015年 论文地址： 主要针对的问题： 本文的作者观察到CNN可以提取到很棒的对输入图像进行表征的论文，作者尝试通过实验来对CNN网络不同层所产生的特征的作用和情况进行讨论和解析。 创新点： 作者在不同的激活层上以滑动窗口的方式生成了假设，并表明最终的卷积层可以以较高的查全率找到感兴趣的对象，但是由于特征图的粗糙性，定位性很差。相反，网络的第一层可以更好地定位感兴趣的对象，但召回率降低。 论文题目：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 提出时间：2015年NIPS 论文地址： 主要针对的问题： 由multibox（第三篇）和DeepBox（第四篇）等论文，我们知道，用CNN可以生成目标待检测框，并判定当前框为目标的概率，那能否将该模型整合到目标检测的模型中，从而实现真正输入端为图像，输出为最终检测结果的，全部依赖CNN完成的检测系统呢？ 创新点： 将当前输入图目标框提取整合到了检测网络中，依赖一个小的目标框提取网络RPN来替代Selective Search算法，从而实现真正的端到端检测算法。 参考博客 ：
论文原文：
YOLO（you only look once）是继RCNN、faster-RCNN之后，又一里程碑式的目标检测算法。yolo在保持不错的准确度的情况下，解决了当时基于深度学习的检测中的痛点---速度问题。下图是各目标检测系统的检测性能对比：
如果说faster-RCNN是真正实现了完全基于深度学习的端到端的检测，那么yolo则是更进一步，将 目标区域预测 与 目标类别判断 整合到单个神经网络模型中。各检测算法结构见下图：
每个网格要预测B个bounding box，每个bounding box除了要回归自身的位置之外，还要附带预测一个confidence值。这个confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息，其值是这样计算的：
其中如果有object落在一个grid cell里，第一项取1，否则取0。第二项是预测的bounding box和实际的groundtruth之间的IoU值。
每个bounding box要预测(x, y, w, h)和confidence共5个值，每个网格还要预测一个类别信息，记为C类。即SxS个网格，每个网格除了要预测B个bounding box外，还要预测C个categories。输出就是S x S x (5*B+C)的一个tensor。（注意：class信息是针对每个网格的，即一个网格只预测一组类别而不管里面有多少个bounding box，而confidence信息是针对每个bounding box的。）
举例说明: 在PASCAL VOC中，图像输入为448x448，取S=7，B=2，一共有20个类别(C=20)。则输出就是7x7x30的一个tensor。整个网络结构如下图所示：
在test的时候，每个网格预测的class信息和bounding box预测的confidence信息相乘，就得到每个bounding box的class-specific confidence score:
等式左边第一项就是每个网格预测的类别信息，第二三项就是每个bounding box预测的confidence。这个乘积即encode了预测的box属于某一类的概率，也有该box准确度的信息。
得到每个box的class-specific confidence score以后，设置阈值，滤掉得分低的boxes，对保留的boxes进行NMS（非极大值抑制non-maximum suppresssion）处理，就得到最终的检测结果。
1、每个grid因为预测两个bounding box有30维（30=2*5+20），这30维中，8维是回归box的坐标，2维是box的confidence，还有20维是类别。其中坐标的x,y用bounding box相对grid的offset归一化到0-1之间，w,h除以图像的width和height也归一化到0-1之间。
2、对不同大小的box预测中，相比于大box预测偏一点，小box预测偏一点肯定更不能被忍受的。而sum-square error loss中对同样的偏移loss是一样。为了缓和这个问题，作者用了一个比较取巧的办法，就是将box的width和height取平方根代替原本的height和width。这个参考下面的图很容易理解，小box的横轴值较小，发生偏移时，反应到y轴上相比大box要大。其实就是让算法对小box预测的偏移更加敏感。
3、一个网格预测多个box，希望的是每个box predictor专门负责预测某个object。具体做法就是看当前预测的box与ground truth box中哪个IoU大，就负责哪个。这种做法称作box predictor的specialization。
4、损失函数公式见下图：
在实现中，最主要的就是怎么设计损失函数，坐标（x,y,w,h），confidence，classification 让这个三个方面得到很好的平衡。简单的全部采用sum-squared error loss来做这件事会有以下不足：
解决方法：
只有当某个网格中有object的时候才对classification error进行惩罚。只有当某个box predictor对某个ground truth box负责的时候，才会对box的coordinate error进行惩罚，而对哪个ground truth box负责就看其预测值和ground truth box的IoU是不是在那个cell的所有box中最大。
作者采用ImageNet 1000-class 数据集来预训练卷积层。预训练阶段，采用网络中的前20卷积层，外加average-pooling层和全连接层。模型训练了一周，获得了top-5 accuracy为（ImageNet2012 validation set），与GoogleNet模型准确率相当。
然后，将模型转换为检测模型。作者向预训练模型中加入了4个卷积层和两层全连接层，提高了模型输入分辨率（224×224->448×448）。顶层预测类别概率和bounding box协调值。bounding box的宽和高通过输入图像宽和高归一化到0-1区间。顶层采用linear activation，其它层使用 leaky rectified linear。
作者采用sum-squared error为目标函数来优化，增加bounding box loss权重，减少置信度权重，实验中，设定为\lambda _{coord} =5 and\lambda _{noobj}= 。
作者在PASCAL VOC2007和PASCAL VOC2012数据集上进行了训练和测试。训练135轮，batch size为64，动量为，学习速率延迟为。Learning schedule为：第一轮，学习速率从缓慢增加到（因为如果初始为高学习速率，会导致模型发散）；保持速率到75轮；然后在后30轮中，下降到；最后30轮，学习速率为。
作者还采用了dropout和 data augmentation来预防过拟合。dropout值为；data augmentation包括：random scaling，translation，adjust exposure和saturation。
YOLO模型相对于之前的物体检测方法有多个优点：
1、 YOLO检测物体非常快
因为没有复杂的检测流程，只需要将图像输入到神经网络就可以得到检测结果，YOLO可以非常快的完成物体检测任务。标准版本的YOLO在Titan X 的 GPU 上能达到45 FPS。更快的Fast YOLO检测速度可以达到155 FPS。而且，YOLO的mAP是之前其他实时物体检测系统的两倍以上。
2、 YOLO可以很好的避免背景错误，产生false positives
不像其他物体检测系统使用了滑窗或region proposal，分类器只能得到图像的局部信息。YOLO在训练和测试时都能够看到一整张图像的信息，因此YOLO在检测物体时能很好的利用上下文信息，从而不容易在背景上预测出错误的物体信息。和Fast-R-CNN相比，YOLO的背景错误不到Fast-R-CNN的一半。
3、 YOLO可以学到物体的泛化特征
当YOLO在自然图像上做训练，在艺术作品上做测试时，YOLO表现的性能比DPM、R-CNN等之前的物体检测系统要好很多。因为YOLO可以学习到高度泛化的特征，从而迁移到其他领域。
尽管YOLO有这些优点，它也有一些缺点：
1、YOLO的物体检测精度低于其他state-of-the-art的物体检测系统。
2、YOLO容易产生物体的定位错误。
3、YOLO对小物体的检测效果不好（尤其是密集的小物体，因为一个栅格只能预测2个物体）。
毕业 论文是高校人才培养方案中不可或缺的重要组成部分，是高校英语专业的大学生毕业前必须完成的教学任务，而论文的题目确定工作则是毕业论文管理中的首要环节。下面是我带来的关于本科英语专业毕业论文题目的内容，欢迎阅读!英语专业毕业论文题目(一) 1. 浅析 广告 翻译中的 文化 顺应处理 2. 从文化角度分析中美房地产广告的差异 3. 浅析动画《加菲猫》和《加菲猫之双猫记》中的享乐主义和利己主义 4. 圣经原型解读《弗洛斯河上的磨坊》 5. 论《卡斯特桥市长》中哈代的进化向善论思想 6. 顺从的女人——分析《荒凉山庄》中埃斯特的形象 7. 从中美传统节日对比看节日的文化内涵 8. 成人的童话——《爱丽丝漫游奇境记》中象征主义的体现 9. 简析网络时代英语全球化 10. 《查泰莱夫人的情人》的生态女性主义解读 11. 从社会文化价值方面比较中美情景喜剧差异 12. 论《喧哗与骚动》中昆丁的宿命 13. 《蝇王》的启示：理性的呼唤 14. 中文旅游文本英译中的歧义现象分析 15. 从中美婚宴差异看集体主义和个人主义 16. 影响非英语专业大一新生口语输出的因素 17. 《走出非洲》：走出迪内森的矛盾态度 18. 旅游宣传资料中的误译与解决 方法 19. 从女性主义角度解读华顿《纯真年代》中的埃伦 20. 电子词典与 英语学习 英语专业毕业论文题目(二) 1. 英语习语与 ____ 2. 《伤心咖啡馆之歌》中爱米利亚性别身份分析 3. 从关联理论的角度欣赏幽默翻译 4. 英语缩略语及其语用功能 5. 英专和非英专学生 英语 作文 中错误的对比研究 6. 武汉方言对英语语音的影响及其对教学的启示 7. 中西行星命名的文化探源 8. 英语新闻中的新词 9. 中国古典诗歌英译中对“三美”理论的探索 10. 从电影《七宗罪》浅析原罪 11. 浅论体态语的社会功能 12. 中西 思维方式 差异对中英语篇的影响 13. 中国和西方国家婚俗的比较 14. 浅析合作原则的违背在广告语言中的运用 15. 浅析电影《推手》中中美家庭的文化冲突 16. 从广告语言看中美文化价值观差异 17. 用言语行为理论浅析英语广告中的双关语 18. 论新闻英语汉译中的归化与异化策略 19. 以Of Study(《论读书》)的两个中译本为例浅析译者主体性 英语专业毕业论文题目(三) 1. 广告语言模糊性的语用研究 2. 利用美剧进行 英语听力 自主学习 3. 大学生 英语口语 学习动机研究 4. 从文化视角看中国白酒广告 5. 从功能翻译看《围城》英译本中文化信息的传递 6. 对《达罗卫夫人》中克莱丽莎和塞普提默斯形象的研究 7. 公示语汉译英错误及对策探析 8. 探究美国安利公司的 企业文化 ：基于其网站内容的文本分析 9. 运用写长法促进 英语写作 能力的提高 10. 中美“面子文化”对比分析 11. 英汉恭维语和告别语的对比分析 12. 英汉爱情隐喻的对比研究 13. 新闻英语汉译的翻译技巧浅析 14. 中美家庭文化比较 15. 从文化的角度浅析中美企业 人力资源管理 的差异 16. 华中农业大学英语专业学生高级英语学习状况调查 17. 跨文化交际中中西方馈赠礼仪刍议 18. 解读《双城记》中的人道主义思想 19. 论《了不起的盖茨比》中的消费主义 20. 从戴姆勒克莱斯勒事件看文化因素对跨国企业合并的影响 21. 对中美离岸外包过程中跨文化交际案例的分析 22. 从"老友记"中看合作原则在英语称赞语及其回应语中的应用 23. 浅论美国文化与美语词汇 24. 英汉植物词语联想意义的跨文化对比 25. 一个被忽视的“准则英雄”——论《永别了，武器》中的女主人公凯瑟琳 英语专业毕业论文题目(四) 1. 美国二十世纪六十年代反战文化研究 2. 中国英语热的真相——文化帝国主义 3. 中美恭维语对比研究 4. 论民族中心主义与美国媒体近年来涉华报道 5. 从弗大枪击案看美国的枪支问题 6. 《推销员之死》中威利与比夫的父子关系 7. 从拉康的镜像理论看杨克的悲剧根源 8. 从正负值面子理论简析中美面子差异 9. 中国菜名翻译中的文化翻译策略 10. 从旧南方到新南方——斯佳丽·奥哈拉在内战前后的成长历程 11. 探究家乐福公司的企业文化:基于其网站内容的文本分析 12. 汉语对英语写作词汇的负迁移作用 13. 《美国悲剧》的消费文化分析 14. 从二语习得角度对比分析英语习语学习中的翻译导向模式与文化导向模式 15. 礼貌原则在英文商务信函中的应用 16. 南方哥特式小说特征在《心是孤独的猎手》中的体现 17. 城市公示语的汉译英探索 18. 归化与异化理论在汉语 歇后语 翻译中的应用 19. 《婚礼的成员》中弗兰淇·亚当斯双性同体现象的研究 20. 论《喜福会》中的文化冲突与共存 猜你喜欢： 1. 英语系文化类毕业论文 2. 本科英语专业毕业论文题目 3. 英语专业毕业论文选题文化 4. 翻译英语专业毕业论文选题 5. 英语语言学论文题目参考大全
提供一些英语专业的毕业论文题目，供参考。
题目不要太大，也不要太小，太大了面太广容易泛泛，小了就无材料可查，没东西可写。写你熟悉的 资料好查的 参考
.好.多学习讥构比如:ABC天卞英语中心 都会先让你做个英语测试，很喜欢这里的老师，客服都很热心，我觉得在线的方式性介比较高，你也可以找几个了解一下吧..
英语美文有助于我们培养对英语学习的兴趣，也能提高我们的写作能力。以下是我整理的3篇英语精美短文，供大家学习和参阅。
一：为什么你存不下钱
Don’t save what is left after spending. But spend what is left after savings.
不要把花剩下的钱拿来存，而是把存剩下的钱拿来花。
Wanting to save money is not enough. Anyway, there are a lot of things which didn’t come true although you wanted them to.
想存钱是远远不够的，毕竟你希望发生的事情并不一定就能发生。
Saving is a technique . It’s simple. It’s just not easy.
存钱是一门技术，这门技术很简单，只是不容易实现。
If you only come to think about saving after you spend, there is no chance for you to accumulate a considerable fortune, because spending is always irrational.
如果你总是在消费之后才想着应该存钱，那你肯定存不下钱，因为任何消费都是非理性的。
The way that works is to make plans in advance.
真正可行的方法，是事先计划好自己的消费方式。
Would it be too much to use 40% of my income to rent an apartment?
每个月用收入的40%租房子会不会太多?
Is it really enough to save just 20% every month?
每个月只存收入的20%会不会太少?
Only by making it clear how much you want to save can you come to know how much you can actually spend.
你只有先计划好要存多少钱，才能知道自己实际上可以花多少钱。
二：真正有意义的生活
What will matter?
什么才重要?
Ready or not, some day it will all come to an end. There will be no more sunrises, no days, no hours or minutes. All the things you collected, whether treasured or forgotten, will pass to someone else.
无论是否准备好，总有一天它都会走到尽头。 那里没有日出，没有白天，没有小时和分钟。 你收集的所有东西，不管你珍惜或忘记与否，它们都将流入他人手中。
Your wealth, fame and temporal power will shrivel to irrelevance. It will not matter what you owned or what you were owed.
不管是你得到的或是你欠别人的，可你的财产、名誉和权势也都会变成和你毫不相干的东西。
Your grudges, resentments, frustrations, and jealousies will finally disappear.
你的怨恨、愤慨、挫折和妒忌最终也将消失。
So, too, your hopes, ambitions, plans, and to-do lists will all wins and losses that once seemed so important will fade away.
因此，你的希望、抱负、计划以及行动日程表也将全部结束。 当初看得比较重的成功得失也会消失。
It won't matter where you came from, or on what side of the tracks you lived.
你来自何方，住在穷人区还是富人区也都不重要了。
It won't matter whether you were beautiful or brilliant. Your gender, skin color, ethnicity will be irrelevant.
你昔日的漂亮与辉煌也都不重要了，你的性别、肤色、种族地位也将消失。
So what will matter? How will the value of your days be measured?
因此，什么重要呢? 怎么衡量你有生之年的价值呢?
What will matter is not what you bought, but what you built; not what you got, but what you gave.
重要的不是你买了什么，而是你创造了什么; 不是你得到了什么，而是你给予了什么。
What will matter is not your success, but your significance.
重要的不是你成功了，而是你生命的意义。
What will matter is not what you learned, but what you taught.
重要的不是你学到了什么，而是你传授了什么。
What will matter is every act of integrity, compassion, courage and sacrifice that enriched, empowered or encouraged others to emulate your example.
重要的是每个行动之中都有正直和勇气的气概，伟大的同情心和牺牲精神，并且鼓励他人遵从榜样。
What will matter is not your competence, but your character.
重要的不是你的能力，而是你的性格。
What will matter is not how many people you knew, but how many will feel a lasting loss when you're gone.
重要的不是你认识多少人，而是在你离开后，多少人会怅然若失。
What will matter is not your memories, but the memories of those who loved you.
重要的不是你的回忆，而是爱你的人对你的追思。
What will matter is how long you will be remembered, by whom and for what.
重要的是别人会记你多长时间，谁记着你，为什么记着你。
Living a life that matters doesn’ t happen by accident.
过有意义的生活不是一桩偶然。
It s not a matter of circumstance but of choice.
是因为你选择了它。
Choose to live a life that matters.
选择有意义的人生吧!
三：难道真要工作一辈子吗?
Warren Buffet once said: "If you don’t find a way to make money while you sleep, you will work until you die."
沃伦·巴菲特曾经说过：“如果你不想个办法在你睡觉的时候赚钱，那你就得一直工作到死。”
Sounds ridiculous in the first place, right? Isn’t that obvious?
这句话初听下来有点荒.唐，这不是明摆着的吗?
And how on earth can it be possible to make money while you sleep?
而且，怎么可能在睡觉的时候赚钱?
If you want to have an income, you have to work, right?
如果需要有收入，当然就得一直工作，对不对?
But no, what he said is not wrong.
不，其实他说的并没有错。
That way which he described as to make money while you sleep is called investing.
他所说的那种“在睡觉时赚钱”的方法，就是投资。
Normal middle-class use their skills and time to make money. But the rich use their money to make money. They invest the money that they own now to make ROI, which means return on investment.
普通的中产阶级靠技能和时间换钱，而有钱人是靠钱赚钱的，他们用自己现有的钱去赚取投资回报。
It’s not a hard thing to do, because there are a lot of ways to manage your personal finance.
这个方法并不难，因为理财的方式有很多。
In the past, I usually spent as much as I could earn in a month.
从前，我是一个大手大脚的月光族，每个月赚多少就花多少。
But when I saw this quote of Buffett, I suddenly realized: Isn’t that making all my efforts in vain? Because I have nothing left. I didn’t make anything for my future.
但自从看到了巴菲特的这句话，我才恍然大悟：这样一来，我每个月不就白工作了吗?因为什么都没有剩下，我并没有为自己的未来创造什么。
That’s why I started to face the truth of how I was living. And I made some bold changes and began to save money.
这也就是为什么我开始正视自己的生活方式，并进行了大刀阔斧的改变，开始存钱。
I wish that there is a day when I no longer need to work and can use money to make money.
我希望有一天能不再工作，而是用钱来赚钱。
英语美文是我们应该经常学习和欣赏的文章，它虽然短小精湛，但确实有鉴赏的意义，学习的价值。以下是我为大家分享的一篇英语美文，供大家参阅。
Children’s Song 作者：.托马斯
Welive in our own world,
A world that is too small
For you to stoop and enter
Even on hands and knees,
The adult subterfuge.
And though you probe and pry
With analytic eye,
And eavesdrop all our talk
With an amused look,
You cannot find the centre
Where we dance, where we play,
Where life is still asleep
Under the closed flower,
Under the smooth shell
Of eggs in the cupped nest
That mock the faded blue
Of your remoter heaven.
孩子们的歌
我们生活在自己的世界，
一个对你们而言太小的世界，
即使手脚并用
俯下身子，你们也难以进来。
成年人的托辞。
即使你们用善于分析的眼睛
去探究、窥视，
用愉快的表情
去偷听我们所有的谈话，
你们仍然不能找到那个中心，
在那里，我们跳舞，我们玩耍，
生命仍在酣睡，
在那紧闭的花朵下，
在那光滑的蛋壳下，
杯状的巢内的蛋，
嘲笑着你们那更为遥远的天堂中
褪色的忧郁。
学习英语可以是一个枯燥的过程，也可以是一个有趣的过程。我在此献上经典英语美文，希望对大家喜欢。
美文欣赏：我决定从此过上幸福的生活
It was many years ago. I was a young dad sitting on the couch reading a fairy tale to my little girl. She sat next to me with her head on my arm as I told the tale. When it came to the end I finished with those famous words: "And they lived happily ever after." As I looked over to her with her wavy, brown hair and big, innocent eyes I could see the smile on her face and I never wanted it to end. It dawned on me then that the ending of the book was what I wanted for her. I wanted her to "live happily ever after."
很多年前我还是个年轻的爸爸，坐在沙发上给小女儿讲童话故事。她坐在我身边，头枕在我胳膊上听我讲故事。故事的最后我用那句经典的话作结束语：“从此他们过上了幸福的生活。”我看着她，她有着卷曲的棕色头发和大大的、天真的眼睛，我能从她的脸上看到微笑，我希望能永远这样看着她。那时我明白了故事的结尾也是我对她的期望，我希望她“从此过上幸福的生活。”
Still, deep in my heart I knew that this couldn't always be so. I knew that there would be times when her heart was broken. I knew there would be times when she cried in grief and I couldn't comfort her. I knew there would be times when all she felt was fear, sadness, sorrow, and despair. As I stroked her hair and smiled at her I hoped that those times would be brief and that she would have joy in her life more often than not. Living happily ever after, though, seemed out of the question.
然而内心深处我知道现实并非总能如我所愿。我知道有时她会伤心;我知道有时她会伤心地哭泣，而我却不能给她安慰;我知道有时她只会感到恐惧、伤心、懊悔和绝望。我抚摸着她的头发，对她微笑，我希望那些时刻都能很快过去，希望她的生活中更多的是快乐，然而，从此过上幸福生活似乎是不可能的。
It took me a lot of years to realize that it IS possible to live happily ever after. You just have to do it "one day at a time." Happiness you see isn't some reward that you get at the end of your journey. Happiness isn't something dependent on what life hands you. Happiness is something you create in your life choice by choice and day by day.
很多年以后我才意识到从此过上幸福生活是可以实现的。你只需要“认真过好每一天”。你看到的幸福并非你人生旅程最终的奖励，幸福不是取决于生活赐予你什么，而是你日复一日通过一个个选择在生活中创造出来的。
The truth is happiness comes when you love. Love is a gift from God. It is love that mends broken hearts. It is love that heals grief. It is love that gives us joy. Choose to "live happily ever after, one day at a time."
事实是幸福就是付出爱时的体验，爱是上帝恩赐的礼物。只有爱才能修复受伤的心灵;只有爱才能抚平伤痛;只有爱才能给我们带来快乐。选择“从此过上幸福的生活，过好每一天。”
美文欣赏：想逃离现在的生活追寻自由
Have you ever gone on vacation and said to yourself, “I could live here?” On a trip to Jamaica, Kalisa Martin entertained that idea —and actually went through with it.
你是否曾经旅行过并告诉你自己：“我能住在这里”?在去牙买加的一次旅途中，卡丽萨·马汀思考了这个想法——也事实上将它完成了。
It was during a lingering and nasty New York City winter in March 2014. Martin and her boyfriend Jeff Belizaire decided to escape the snow by taking a last-minute getaway to Jamaica.
那是在2014年三月纽约市一个漫长而恶劣的冬季期间。马汀和她的男朋友杰夫·贝利泽尔突发奇想决定马上跑去牙买加躲避雪天。
At the time, Martin had a dream job in the New York culinary world: brand director at Tasting Table, a digital destination for culinary enthusiasts. She also appeared on national television shows like Good Morning America.
在那时，马汀在纽约的烹饪界有着一份理想的工作：Tasting Table的品牌主理人，这是一家美食热爱者的线上聚集地。她同时也在国家电视节目如《早安美国》中出现过。
But there was something about that trip that spoke to Martin — profoundly.
但是，有关那趟旅程的什么东西深深地印在了马汀的内心。
“That long weekend, the idea of the B&B concept came up and we thought, ‘Why not?’It could happen, and it could happen right here in Jamaica,”said 30-year-old Martin. “That was the first time we seriously considered the idea.”
“在那个漫长的周末里，“床加早餐”理念(一种旅店形式)的想法蹦了出来，我们想着‘为什么不呢?’那是有可能发生的，而且有可能就发生在这儿，在牙买加，”30岁的马汀说道。“那是我们第一次认真考虑这个想法。”
Within four months Martin had quit her job and was on her way to Jamaica with Belizaire to create The Runaway, a bed-and-breakfast that has grown into a lifestyle travel brand.
在四个月里，马汀辞了职，并和贝利泽尔踏上了去牙买加创造The Runaway的道路，一个有着“床加早餐”理念的想法开始成为一个生活方式旅游品牌。
“We ran away from the cold and the typical 9-5 to follow our dreams and create this new life,”says Martin.
“我们从寒冷与典型的朝九晚五中逃离出来追寻我们的梦，并创造了这个全新的生活，”马汀说。
And this isn’t your average bed-and-breakfast. The Runaway Jamaica is the first successfully funded B&B on Kickstarter. Backers donated almost $47,000 to help bring the property to life.
这也并非只是典型的“床加早餐”。The Runaway Jamaica是第一家成功在Kickstarter上得到资助的“床加早餐”理念的品牌。支持者们捐献了将近47000美元来帮助它成为现实。
美文欣赏：这就是信仰的力量
As we slowly drove down the street on that cold December evening we spotted the porch light. "This must be the house." I told our "Positive Teens In Action" group. We pulled up in front of an older home with the porch light glowing. We gathered up our song books, walked up the steps, and knocked on the door. We heard a faint voice from inside say, “Come on in. The door is open." We opened the door.
在那个寒冷的12月份的夜晚我们开车在路上慢慢行驶时看到了门廊的灯光，我跟我们这个“积极行动的青年小队”说：“一定就是这家了。”我们把车停在一栋旧房子前，门廊灯光很亮。我们拿出歌集，走上台阶敲了敲门，听到里面传来一个虚弱的声音：“进来吧，门开着呢”，我们推开了门。
There in a rocking chair sat an elderly woman with a big smile on her face. "I've been expecting you." she said weakly. Ruth was one of our Meals On Wheels stops I had arranged; along with the usual church members who enjoyed carolers. We handed Ruth the basket of goodies the teens had assembled earlier that evening. Then I asked Ruth what carols she would like to hear. Ruth's face was beaming as she joined in singing each song.
摇椅上坐着一位老太太，脸上带着灿烂的笑容，她虚弱地说：“我一直盼着你们来。”Ruth的家是我安排的上门送餐服务的一站，和我们一起来的还有喜欢唱圣歌的常去教堂的人。我们递给Ruth一篮子美味的食物，都是我们这些年轻人那天晚上提前装好的。然后我问Ruth她想听什么圣诞颂歌，她跟着唱每首歌时脸上都洋溢着笑容。
As we hugged Ruth good-bye she said to me with tears glistening in her eyes, “The day you called I was still in bed. I had just finished praying. I asked God if it would be possible to have some Christmas Carolers come to my home and sing this year. Thank you for being the answer to my Christmas prayer."
我们跟Ruth拥抱说再见时，她眼睛里闪着泪光对我说：“你打电话那天我还躺在床上，刚刚做完祷告，我问上帝今年能否让唱圣诞颂歌的人来我家唱颂歌。感谢你使我梦想成真。”
Wow, what an awesome experience to have the opportunity to be the answer to someone's Christmas prayer.
哇哦，能使别人的祷告得以实现是多棒的一次经历呀。
Bible Text: When you pray, go to your room, close the door, and pray to your Father who is unseen. And your Father, who sees what you do in private, will reward you. Matthew 6:6
《圣经》原文：祈祷时要去房间里，关上门向无形的上帝祈祷，上帝看见你在秘密祈祷，就会回报给你。马太福音6:6
你觉得你的英文水平怎么样?平时阅读一些英语 文章 ，对提高英语水平有帮助哦。下面就是我给大家整理的唯美的英语文章精选，希望大家喜欢。唯美的英语文章精选篇1：The last jar of jelly Our children grew up on peanut butter and jelly sandwiches. Even my husband and I sometimes sneak one in late at night with a glass of milk. I believe that the Earl of Sandwich himself would agree with me that the success of this universally loved concoction(混合，调合) lies not in the brand of peanut butter used, but rather in the jelly. The right jelly delights the palate(味觉，上颚), and homemade is the only choice. I wasn't the jelly maker in this family. My mother-in-law was. She didn't provide a wide range of flavors, either. It was either grape or blackberry. This limited choice was a welcome relief in the days of toddlers, siblings and puppies. When all around me other decisions and choices had to be made, making peanut butter and jelly sandwiches was easy. And since we liked both flavors, we usually picked whatever jar was at the front of the pantry or refrigerator. The only contribution I made to the jelly making was to save baby food jars, which my mother-in-law would fill with the tasty gel, seal with wax and send back home with us. For the past 22 years of my married life, whenever I wanted to make a peanut butter and jelly sandwich for myself or my husband or one of the children, all I had to do was reach for one of those little jars of jelly. It was always there. Jelly making was just a way of life for my mother-in-law. She always did it, following the same rituals - from picking the fruit to setting the finished jelly on the homemade shelves in her little pantry off the kitchen. My father-in-law died several years ago and this past December, my mother-in-law also passed away. Among the things in the house to be divided by her children were the remaining canned goods in the pantry(餐具室). Each of her children chose from the many jars of tomato juice, green beans and jelly. When my husband brought his jars home, we carefully put them away in our pantry. The other day I reached in there to retrieve jelly for a quick sandwich, and there it was. Sitting all alone on the far side of the shelf was a small jar of grape jelly. The lid was somewhat rusty in places. Written on it with a black marker was "GR" for grape and the year the jelly had been made. As I picked up the jar, I suddenly realized something that I had failed to see earlier. I reopened the pantry door to be sure. Yes, this was it, this was the last jar of "Memommie jelly." We would always have store-bought jelly, but this was the last jar we would ever have from the patient, loving hands of my mother-in-law. Although she had been gone for nearly a year, so much of her had remained with us. We hardly ever opened a jar of jelly at the breakfast table without kidding about those thousands of little jars she had filled. Our children had never known a day without their grandmother's jelly. It seems like such a small thing, and most days it was something that was taken for granted. But today it seemed a great treasure. Holding that last jar in my hand, my heart traveled back to meeting my mother-in-law for the first time. I could see her crying on our wedding day, and later, kissing and loving our children as if she didn't have five other grandchildren. I could see her walking the fields of the farm, patiently waiting while others tended to the cows. I could see her walking in the woods or riding the hay wagon behind the tractor. I saw her face as it looked when we surprised her by meeting her at church. I saw her caring for a sick spouse and surrounded by loving children at the funeral. I put the jelly back on the shelf. No longer was it just a jar of jelly. It was the end of a family tradition. I guess I believed that as long as it was there, a part of my mother-in-law would always live on. We have many things that once belonged to my husband's parents. There are guns, tools, handmade sweaters and throws, and some furniture. We have hundreds of pictures and many more memories. These are the kinds of things that you expect to survive the years and to pass on to your children. But I'm just not ready to give up this last jelly jar, and all the memories its mere presence allows me to hold onto. The jar of jelly won't keep that long. It will either have to be eaten or thrown out...but not today. 唯美的英语文章精选篇2：Roses in December Coaches more times than not use their hearts instead of their heads to make tough decisions. Unfortunately, this wasn't the case when I realized we had a baseball conference game scheduled when our seniors would be in Washington, . for the annual senior field trip. We were a team dominated by seniors, and for the first time in many years, we were in the conference race for first place. I knew we couldn't win without our seniors, so I called the rival coach and asked to reschedule the game when everyone was available to play. "No way," he replied. The seniors were crushed and offered to skip the much-awaited traditional trip. I assured them they needed to go on the trip as part of their educational experience, though I really wanted to accept their offer and win and go on to the conference championship(锦标赛). But I did not, and on that fateful Tuesday, I wished they were there to play. I had nine underclass players eager and excited that they finally had a chance to play. The most excited player was a young mentally challenged boy we will call Billy. Billy was, I believe, overage(过老的), but because he loved sports so much, an understanding principal had given him permission to be on the football and baseball teams. Billy lived and breathed sports and now he would finally get his chance to play. I think his happiness captured the imagination of the eight other substitute players. Billy was very small in size, but he had a big heart and had earned the respect of his teammates with his effort and enthusiasm. He was a left-handed hitter and had good baseball skills. His favorite pastime, except for the time he practiced sports, was to sit with the men at a local rural store talking about sports. On this day, I began to feel that a loss might even be worth Billy's chance to play. Our opponents jumped off to a four-run lead early in the game, just as expected. Somehow we came back to within one run, and that was the situation when we went to bat in the bottom of the ninth. I was pleased with our team's effort and the constant grin(露齿笑) on Billy's face. If only we could win..., I thought, but that's asking too much. If we lose by one run, it will be a victory in itself. The weakest part of our lineup was scheduled to hit, and the opposing coach put his ace pitcher in to seal the victory. To our surprise, with two outs, a batter walked, and the tying run was on first base. Our next hitter was Billy. The crowd cheered as if this were the final inning of the conference championship, and Billy waved jubilantly. I knew he would be unable to hit this pitcher, but what a day it had been for all of us. Strike one. Strike two. A fastball. Billy hit it down the middle over the right fielder's head for a triple to tie the score. Billy was beside himself, and the crowd went wild. Ben, our next hitter, however, hadn't hit the ball even once in batting practice or intrasquad games. I knew there was absolutely no way for the impossible dream to continue. Besides, our opponents had the top of their lineup if we went into overtime. It was a crazy situation and one that needed reckless strategy. I called a time-out, and everyone seemed confused when I walked to third base and whispered something to Billy. As expected, Ben swung on the first two pitches, not coming close to either. When the catcher threw the ball back to the pitcher Billy broke from third base sprinting as hard as he could. The pitcher didn't see him break, and when he did he whirled around wildly and fired the ball home. Billy dove in head first, beat the throw, and scored the winning run. This was not the World Series, but don't tell that to anyone present that day. Tears were shed as Billy, the hero, was lifted on the shoulders of all eight team members. If you go through town today, forty-two years later, you'll likely see Billy at that same country store relating to an admiring group the story of the day he won the game that no one expected to win. Of all the spectacular events in my sports career, this memory is the highlight. It exemplified what sports can do for people, and Billy's great day proved that to everyone who saw the game. J. M. Barrie, the playwright, may have said it best when he wrote, "God gave us memories so that we might have roses in December." Billy gave all of us a rose garden. 唯美的英语文章精选篇3：Is happiness the secret of success? Some people think if you are happy, you are blind to reality. But when we research it, happiness actually raises every single business and educational outcome for the brain. How did we miss this? Why do we have these societal misconceptions(错误的想法) about happiness? Because we assumed you were average. When we study people, scientists are often interested in what the average is. If we study what is merely average, we will remain merely average. Many people think happiness is genetic. That's only half the story, because the average person does not fight their genes. When we stop studying the average and begin researching positive outliers -- people who are above average for a positive dimension like optimism or intelligence -- a wildly different picture emerges. Our daily decisions and habits have a huge impact upon both our levels of happiness and success. Scientifically, happiness is a choice. It is a choice about where your single processor brain will devote its finite resources as you process the world. If you scan for the negative first, your brain literally has no resources left over to see the things you are grateful for or the meaning embedded in your work. But if you scan the world for the positive, you start to reap an amazing advantage. Now that there is research validity to these claims, the working world is starting to take notice. In January, I wrote the cover story for the Harvard Business Review magazine on "Happiness Leads to Profits." Based on my article called "Positive Intelligence" and my research in The Happiness Advantage, I outlined our researched conclusion: the single greatest advantage in the modern economy is a happy and engaged workforce. A decade of research in the business world proves that happiness raises nearly every business and educational outcome: raising sales by 37%, productivity by 31%, and accuracy on tasks by 19%, as well as a myriad of health and quality-of-life improvements. Given the unprecedented level of unhappiness at companies and the direct link between happiness and business outcomes, the question is NOT whether happiness should matter to companies. Given this research, it clearly should. The first question is: What can I do in my own life to reap the advantage of happiness? Training your brain to be positive at work is just like training your muscles at the gym. Sounds simple, right? Well, think about how easy it is to make yourself go to the gym. The key with any new resolution is to make it a habit. New research on neuroplasticity -- the ability of the brain to change even as an adult -- reveals that moderate actions can rewire the brain as you create "life habits." In The Happiness Advantage, I challenge readers to do one brief positive exercise every day for 21 days. Only through behavioral change can information become transformation. • Write down three new things you are grateful for each day; • Write for two minutes a day describing one positive experience you had over the past 24 hours; • Exercise for 10 minutes a day; • Meditate for two minutes, focusing on your breath going in and out; • Write one quick email first thing in the morning thanking or praising someone in your social support network (family member, friend, old teacher). But does it work? In the midst of the worst tax season in history I did a three-hour intervention at auditing and tax accounting firm KPMG, describing how to reap the happiness advantage by creating one of these positive habits. Four months later, there was a 24% improvement in job and life satisfaction. Not only is change possible, this is one of the first long-term ROI (return on investment) studies proving that happiness leads to long-term quantifiable(可以计量的) positive change. In a study I performed on 1,600 Harvard students in 2007, I found that there was a correlation between perceived social support and happiness. This is higher than the connection between smoking and cancer. So if in the modern world we give up our social networks to work away from friends and follow celebrities on Twitter, we are trading off with our happiness and health. Following up, I switched around the questions and asked how much social support employees provided (instead of received). The results were off the charts. Those high on provision of social support are 10 times more engaged at work and have a 40% higher likelihood of promotion over the next four years. In other words, giving at the office gets you more than receiving. The greatest cultural myth in modern society is that we cannot change. My research proves that you can not only become more positive, but if you prioritize happiness in the present, you can reap an extraordinary advantage. 以上就是我为你整理的唯美的英语文章精选，希望对你有帮助!
经典的英语文章适合我们闲时练习英语阅读，下面我为大家带来，希望大家喜欢! 篇一： I am an art student and I paint a lot of pictures. Many people pretend that they understand modern art. They always tell you what a picture is 'about'. Of course, many pictures are not 'about' anything. They are just pretty patterns. We like them in the same way that we like pretty curtain material. I think that young children often appreciate modern pictures better than anyone else. They notice more. My sister is only seven, but she always tells me whether my pictures are good or not. She came into my room yesterday. 'What are you doing?' she asked. 'I'm hanging this picture on the wall,' I answered. 'It's a new one. Do you like it?' She looked at it critically for a moment. 'It's all right,' she said, 'but isn't it upside down?' I looked at it again. She was right! It was! 我是个学艺术的学生，画了很多画。有很多人装成很懂现代艺术。他们总是告诉你一幅画的。当然，有很多画是什么意思也没有的。他们只不过是漂亮的图案。我们喜欢它们就像我们喜欢漂亮的窗帘布。我觉得小孩子们往往比任何人都更能欣赏现代绘画。他们观察到的东西更多。我的妹妹只有七岁，但她总能说出我的画是好还是不好。昨天她到我房里来了。"你干什么呢。她问。"我把这幅画挂到墙上，我回答。"这是一个新的。你喜欢吗。她用挑剔的目光一会儿。"这都是正确的，"她说，"但这不是颠倒的吗?"我又看。她是对的!这是! 篇二： Late in the afternoon, the boys put up their tent in the middle of a field. As soon as this was done, they cooked a meal over an open fire. They were all hungry and the food *** elled good. After a wonderful meal, they told stories and sang songs by the campfire. But some time later it began to rain. The boys felt tired so they put out the fire and crept into their tent. Their sleeping bags were warm and fortable, so they all slept soundly. In the middle of the night, two boys woke up and began shouting. The tent was full of water! They all leapt out of their sleeping bags and hurried outside. It was raining heavily and they found that a stream had formed in the field. The stream wound its way across the field and then flowed right under their tent! 在下午晚些时候，男孩子们把帐篷搭在一个领域中。一旦这是，他们在篝火上烧起了饭。他们都饿了，而且食物闻起来很香。一顿美餐之后，他们讲故事、唱歌的篝火。但过了些时候开始下雨了。孩子们感到累了，所以他们扑灭了火，爬进了帐篷。睡袋既暖和又舒适，所以他们都睡得很香。在半夜里，两个男孩醒来了，开始喊。帐篷里全是水!他们全都跳出睡袋，跑到外面。雨下得很大，他们发现地上已经形成了一个流。那小溪弯弯曲曲穿过田野，然后正好从他们的帐篷! 篇三： Editors of newspapers and magazines often go to extremes to provide their readers with unimportant facts and statistics. Last year a journalist had been instructed by a well-known magazine to write an article on the president's palace in a new African republic. When the article arrived, the editor read the first sentence and then refused to publish it. The article began: 'Hundreds of steps lead to the high wall which surrounds the president's palace.' The editor at once sent the journalist a fax instructing him to find out the exact number of steps and the height of the wall. The journalist immediately set out to obtain these important facts, but he took a long time to send them. Meanwhile, the editor was getting impatient, for the magazine would soon go to press. He sent the journalist two urgent telegrams, but received no reply. He sent yet another telegram rming the journalist that if he did not reply soon he would be fired. When the journalist again failed to reply, the editor reluctantly published the article as it had originally been written. A week later, the editor at last received a telegram from the journalist. Not only had the poor man been arrested, but he had been sent to prison as well. However, he had at last been allowed to send a cable in which he rmed the editor that he had been arrested while counting the 1084 steps leading to the 15-foot wall which surrounded the president's palace. 报刊杂志的编辑常常为了向读者提供成立一些关紧要的事实和统计数字而走向极端。去年，一位记者受一家有名的杂志的委托写一篇关于非洲某个新成立共和国总统府的文章。稿子寄来后，编辑看第一句话就拒绝予以发表。文章的开头是这样的："几百级台阶通向环绕总统的高墙。"编辑立即给那位记者发去传真，要求他核实一下台阶的确切数字和围墙的高度。 记者立即出发去核实这些重要的事实，但过了好长时间不见他把数字寄来，在此期间，编辑等得不耐烦了，因为杂志马上要付印。他给记者先后发去两份传真，但对方毫无反应。于是他又发了一份传真，通知那位记者说，若再不迅速答复，将被解雇。但记者还是没有回复。编辑无奈，勉强按原样发稿了。一周之后，编辑终于接到记者的传真。那个可怜的记者不仅被捕了，而且还被送进了监狱。不过，他终于获准发回了一份传真。在传真中他告诉编辑，就在他数通向15英尺高的总统府围墙的1，084级台阶时，被抓了起来。
Bird flu provides a lesson The rapid spread of lethal bird flu in Asia has sparked concerns about the outbreak's long-term impact on the poultry industry. To prevent avian influenza from spreading further, experts in China and other infected regions are culling poultry and vaccinating thousands of fowl each day. Some observers have opined these measures could prove to be a blessing in disguise because they will lead to improved living conditions for farmed foul. That's laudable, but perhaps the more important result is that farmers are being forced to realize the importance of maintaining sanitary conditions for their poultry stock. Although there is so far no evidence to suggest the poor environment of poultry farms is a primary cause of the disease, there can be no doubt unsanitary farms and poorly outfitted live fowl markets increase the risk of spreading the virus. Preventing domestic flocks from becoming infected is seen as the first line of defence. To that aim, the Ministry of Agriculture has urged the country's chicken farmers to take measures to prevent contact between their stock and wild fowl, which scientists believe is the natural reservoir of bird flu viruses. They are also asked not to let their flocks to share a water source that might become contaminated by droppings from infected wild-bird carriers. The ministry has also proposed substantial upgrading of disinfection and sanitation facilities on the farms. On Tuesday, China's environmental watchdog demanded the country's breeding industry provide clean drinking water for poultry, as well as disinfecting the air in poultry coops and taking steps to eliminate fecal and sewage contamination of poultry. Until now, it has been common practice for many poultry farmers to either squeeze their flocks into tiny quarters or let them roam free, putting commercial concerns ahead of any sanitary considerations. In zoos where birds are kept for show, people are also improving the habitation of various species. At the Beijing Zoo, the largest of its kind in China, workers have moved turkeys, which are believed to be particularly susceptible to epidemics, to separate quarters and provided more cages in order to alleviate crowding. Although all these moves have been prompted by bird flu, people should endeavour to integrate the precautionary measures into their long-term behaviour patterns. Just as public health facilities were improved after the outbreak of SARS (severe acute respiratory syndrome) last year, the current menace of avian influenza will force people to take a harder look at the living conditions of domestic flocks. This will benefit humans and birds alike. Bird flu fighting in full swing Anhui Province has started an emergency mechanism for bird flu control and prevention soon after a new case of the disease was confirmed on Tuesday by the Agriculture Ministry. A chicken death at a farm in Juchao District, in Chaohu City, was confirmed to be caused by H5N1, a highly pathogenic bird flu virus. It was the first case after an earlier outbreak between January and March. The local government has isolated the area around the farm in accordance with the Law on Animal Epidemic Prevention. Ministry experts suspect the virus might be spread by migrants or wild water birds. The provincial headquarters in charge of bird flu control and prevention said yesterday that countermeasures started immediately. The headquarters was designed to take charge of the coordination of related departments and governments at all levels and sends officials to supervise the efforts to prevent the disease from spreading, especially to humans. To ensure the implementation of the measures, the headquarters has resumed round-the-clock monitoring. The provincial government has issued an urgent circular to demand local governments and related departments deal seriously with regular epidemic control measures, standardize control over poultry raising and strictly sterilize fowl farms. The circular also said an epidemic monitoring system and a related information network should be established by local governments at all levels. Supervision should focus on poultry farms and areas that had reported bird flu cases before and on those that were in danger. According to the circular, the local governments should compensate those who suffer losses from the compulsory poultry vaccination and slaughter. A responsibility system should be formed for related officials in the fight against the animal epidemic, the circular said. Earlier reports said the local health authority has ordered the killing of all poultry within 3 kilometers of the farm and vaccinated all poultry within 5 kilometers of the affected area. The Ministry of Agriculture has notified the Beijing office of the United Nations Food and Agriculture Organization, the World Health Organization, and authorities in Hong Kong, Macau and Taiwan. The ministry confirmed the first bird flu case caused by H5N1 on January 27%
之前也是为论文苦恼了半天，网上的范文和能搜到的资料，大都不全面，一般能有个正文就不错了，而且抄袭的东西肯定不行的，关键是没有数据和分析部分，我好不容易搞出来一篇，结果还过不了审。 还好后来找到文方网，直接让专业人士帮忙，效率很高，核心的部分帮我搞定了，也给了很多参考文献资料。哎，专业的事还是要找专业的人来做啊，建议有问题参考下文方网吧 下面是之前文方网王老师发给我的题目，分享给大家： 基于深度学习的无人机地面小目标算法研究 基于视觉的智能汽车面向前方车辆的运动轨迹预测技术研究 模拟射击训练弹着点检测定位技术研究 基于深度卷积神经网络的空中目标识别算法的研究 基于可见光图像的飞行器多目标识别及位置估计 无人驾驶车辆手势指令识别研究与实现 车载毫米波雷达目标检测技术研究 基于多传感融合的四足机器人建图方法 中老年人群跌倒风险评估的数据采集系统 基于深度学习的视觉SLAM闭环检测方法研究 真实图片比较视觉搜索任务的年龄效应及对策研究 室内复杂场景下的视觉SLAM系统构建与研究 基于双目内窥镜的软组织图像三维重建 学习资源画面色彩表征影响学习注意的研究 毫米波雷达与机器视觉双模探测关键技术的研究 语义地图及其关键技术研究 多重影响因素下的语音识别系统研究 基于卷积神经网络的自主空中加油识别测量技术研究 基于视觉语义的深度估计、实例分割与重建 重复视觉危险刺激——本能恐惧反应的“二态型”调控机制研究 低成本视觉下的三维物体识别与位姿估计 面向非规则目标的3D视觉引导抓取方法及系统研究 基于物体识别地理配准的跨视频行人检测定位技术研究 基于结构光的非刚体目标快速三维重建关键技术研究 基于机器视觉的动物交互行为与认知状态分析系统 关于单目视觉实时定位与建图中的优化算法研究 动态场景下无人机SLAM在智慧城市中的关键技术研究 面向视觉SLAM的联合特征匹配和跟踪算法研究 基于深度学习的显著物体检测 基于平面波的三维超声成像方法与灵长类动物脑成像应用研究 基于物体检测和地理匹配的室内融合定位技术研究 基于多模态信息融合的人体动作识别方法研究 基于视觉惯性里程计的SLAM系统研究 基于语义信息的图像/点云配准与三维重建 基于种子点选取的点云分割算法研究 基于深度学习的场景文字检测与识别方法研究 基于运动上下文信息学习的室内视频烟雾预警算法研究 基于深度学习的垃圾分类系统设计与实现 面向手机部件的目标区域检测算法的设计与实现 电路板自动光照检测系统的设计与实现 基于机器视觉的工件识别与定位系统的设计与实现 基于深度学习的物件识别定位系统的设计与实现 基于视觉四旋翼无人机编队系统设计及实现 基于视觉惯导融合的四旋翼自主导航系统设计与实现 面向城市智能汽车的认知地图车道层生成系统 基于深度学习的智能化无人机视觉系统的设计与仿真 基于知识库的视觉问答技术研究 基于深度学习的火灾视频实时智能检测研究 结构化道路车道线检测方法研究 基于机器视觉的带式输送机动态煤量计量研究 基于深度学习的小目标检测算法研究 基于三维激光与视觉信息融合的地点检索算法研究 动态环境下仿人机器人视觉定位与运动规划方法研究 瓷砖铺贴机器人瓷砖空间定位系统研究 城市街景影像中行人车辆检测实现 基于无线信号的身份识别技术研究 基于移动机器人的目标检测方法研究 基于深度学习的机器人三维环境对象感知 基于特征表示的扩展目标跟踪技术研究 基于深度学习的目标检测方法研究 基于深度学习的复杂背景下目标检测与跟踪 动态扩展目标的高精度特征定位跟踪技术研究 掩模缺陷检测仪的图像处理系统设计 复杂场景下相关滤波跟踪算法研究 基于多层级联网络的多光谱图像显著性检测研究 基于深度结构特征表示学习的视觉跟踪研究 基于深度网络的显著目标检测方法研究 基于深度学习的电气设备检测方法研究 复杂交通场景下的视频目标检测 基于多图学习的多模态图像显著性检测算法研究 基于面部视频的非接触式心率检测研究 单幅图像协同显著性检测方法研究 轻量级人脸关键点检测算法研究 基于决策树和最佳特征选择的神经网络钓鱼网站检测研究 基于深度学习的场景文本检测方法研究 RGB-D图像显著及协同显著区域检测算法研究 多模态融合的RGB-D图像显著目标检测研究 基于协同排序模型的RGBT显著性检测研究 基于最小障碍距离的视觉跟踪研究 基于协同图学习的RGB-T图像显著性检测研究 基于图学习与标签传播优化模型的图像协同显著性目标检测 姿态和遮挡鲁棒的人脸关键点检测算法研究 基于多模态和多任务学习的显著目标检测方法研究 基于深度学习的交通场景视觉显著性区域目标检测 基于生物视觉机制的视频显著目标检测算法研究 基于场景结构的视觉显著性计算方法研究 精神分裂症患者初级视觉网络的磁共振研究 基于fMRI与TMS技术研究腹侧视觉通路中结构优势效应的加工 脑机接口游戏神经可塑性研究 基于YOLOV3算法的FL-YOLO多目标检测系统 基于深度与宽度神经网络显著性检测方法研究 基于深度学习的零件识别系统设计与研究 基于对抗神经网络的图像超分辨算法研究 基于深度学习复杂场景下停车管理视觉算法的研究与实现 镍电解状态视觉检测与分析方法研究 跨界训练对提升舞者静态平衡能力的理论与方法研究 施工现场人员类型识别方法的研究与实现 基于深度学习的自然场景文字检测方法研究 基于嵌入式的交通标志识别器的设计 基于视觉感知特性与图像特征的图像质量评价
运动目标检测与跟踪算法研究 视觉是人类感知自身周围复杂环境最直接有效的手段之一， 而在现实生活中 大量有意义的视觉信息都包含在运动中，人眼对运动的物体和目标也更敏感，能 够快速的发现运动目标， 并对目标的运动轨迹进行预测和描绘。 随着计算机技术、 通信技术、图像处理技术的不断发展，计算机视觉己成为目前的热点研究问题之 一。 而运动目标检测与跟踪是计算机视觉研究的核心课题之一， 融合了图像处理、 模式识别、人工智能、自动控制、计算机等众多领域的先进技术，在军事制导、 视觉导航、视频监控、智能交通、医疗诊断、工业产品检测等方面有着重要的实 用价值和广阔的发展前景。 1、国内外研究现状 运动目标检测 运动目标检测是指从序列图像中将运动的前景目标从背景图像中提取出来。 根据运动目标与摄像机之间的关系， 运动目标检测分为静态背景下的运动目标检 测和动态背景下的运动目标检测。 静态背景下的运动目标检测是指摄像机在整个 监视过程中不发生移动； 动态背景下的运动目标检测是指摄像机在监视过程中发 生了移动，如平动、旋转或多自由度运动等。 静态背景 静态背景下的运动目标检测方法主要有以下几种： （1）背景差分法 背景差分法是目前最常用的一种目标检测方法， 其基本思想就是首先获得一个 背景模型，然后将当前帧与背景模型相减，如果像素差值大于某一阈值，则判断 此像素属于运动目标，否则属于背景图像。利用当前图像与背景图像的差分来检 测运动区域，一般能够提供比较完整的特征数据，但对于动态场景的变化，如光 照和外来无关事件的干扰等特别敏感。 很多研究人员目前都致力于开发不同的背 景模型，以减少动态场景变化对运动目标检测的影响。背景模型的建立与更新、 阴影的去除等对跟踪结果的好坏至关重要。 背景差分法的实现简单，在固定背景下能够完整地精确、快速地分割出运动 对象。不足之处是易受环境光线变化的影响，需要加入背景图像更新机制，且只 对背景已知的运动对象检测比较有效， 不适用于摄像头运动或者背景灰度变化很 大的情况。 （2）帧间差分法 帧间差分法是在连续的图像序列中两个或三个相邻帧间， 采用基于像素的时 间差分并阈值化来提取图像中的运动区域。 帧间差分法对动态环境具有较强的自 适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产 生空洞现象。因此在相邻帧间差分法的基础上提出了对称差分法，它是对图像序 列中每连续三帧图像进行对称差分，检测出目标的运动范围，同时利用上一帧分 割出来的模板对检测出来的目标运动范围进行修正， 从而能较好地检测出中间帧 运动目标的形状轮廓。 帧间差分法非常适合于动态变化的环境，因为它只对运动物体敏感。实际上 它只检测相对运动的物体，而且因两幅图像的时间间隔较短，差分图像受光线 变化影响小，检测有效而稳定。该算法简单、速度快，已得到广泛应用。虽然该 方法不能够完整地分割运动对象，只能检测出物体运动变化的区域，但所检测出 的物体运动信息仍可用于进一步的目标分割。 （3）光流法 光流法就充分的利用了图像自身所携带的信息。在空间中,运动可以用运动 场描述,而在一个图像平面上,物体的运动往往是通过图像序列中图像灰度分布 的不同来体现,从而使空间中的运动场转移到图像上就表示为光流场。所谓光流 是指空间中物体被观测面上的像素点运动产生的瞬时速度场， 包含了物体表面结 构和动态行为等重要信息。 基于光流法的运动目标检测采用了运动目标随时间变 化的光流特性，由于光流不仅包含了被观测物体的运动信息，还携带了物体运动 和景物三位结构的丰富信息。 在比较理想的情况下,它能够检测独立运动的对象, 不需要预先知道场景的任何信息,可以很精确地计算出运动物体的速度,并且可 用于动态场景的情况。 但是大多数光流方法的计算相当复杂,对硬件要求比较高, 不适于实时处理,而且对噪声比较敏感,抗噪性差。并且由于遮挡、多光源、透明 性及噪声等原因，使得光流场基本方程——灰度守恒的假设条件无法满足，不能 正确求出光流场，计算方也相当复杂，计算量巨大，不能满足实时的要求。 动态背景 动态背景下的运动目标检测由于存在着目标与摄像机之间复杂的相对运动， 检测方法要比静态背景下的运动目标检测方法复杂。常用的检测方法有匹配法、 光流法以及全局运动估计法等。 2、运动目标跟踪 运动目标跟踪是确定同一物体在图像序列的不同帧中的位置的过程。 近年来 出现了大批运动目标跟踪方法，许多文献对这些方法进行了分类介绍，可将目标 跟踪方法分为四类：基于区域的跟踪、基于特征的跟踪、基于活动轮廓的跟踪、 基于模型的跟踪，这种分类方法概括了目前大多数跟踪方法，下面用这种分类方 法对目前的跟踪方法进行概括介绍。 (1)基于区域的跟踪 基于区域的跟踪方法基本思想是： 首先通过图像分割或预先人为确定提取包 含目标区域的模板，并设定一个相似性度量，然后在序列图像中搜索目标，把度 量取极值时对应的区域作为对应帧中的目标区域。 由于提取的目标模板包含了较 完整的目标信息，该方法在目标未被遮挡时，跟踪精度非常高，跟踪非常稳定， 但通常比较耗时，特别是当目标区域较大时，因此一般应用于跟踪较小的目标或 对比度较差的目标。该方法还可以和多种预测算法结合使用，如卡尔曼预测、粒 子预测等，以估计每帧图像中目标的位置。近年来，对基于区域的跟踪方法关注 较多的是如何处理运动目标姿态变化引起的模板变化时的情况以及目标被严重 遮挡时的情况。 (2)基于特征的跟踪 基于特征的跟踪方法基本思想是：首先提取目标的某个或某些局部特征，然 后利用某种匹配算法在图像序列中进行特征匹配，从而实现对目标的跟踪。该方 法的优点是即使目标部分被遮挡，只要还有一部分特征可以被看到，就可以完成 跟踪任务，另外，该方法还可与卡尔曼滤波器结合使用，实时性较好，因此常用 于复杂场景下对运动目标的实时、 鲁棒跟踪。 用于跟踪的特征很多， 如角点边缘、 形状、纹理、颜色等，如何从众多的特征中选取最具区分性、最稳定的特征是基 于特征的跟踪方法的关键和难点所在。 (3)基于活动轮廓的跟踪 基于活动轮廓的跟踪方法基本思想是：利用封闭的曲线轮廓表达运动目标， 结合图像特征、曲线轮廓构造能量函数，通过求解极小化能量实现曲线轮廓的自 动连续更新，从而实现对目标的跟踪。自Kass在1987年提出Snake模型以来，基 于活动轮廓的方法就开始广泛应用于目标跟踪领域。相对于基于区域的跟踪方 法，轮廓表达有减少复杂度的优点，而且在目标被部分遮挡的情况下也能连续的 进行跟踪，但是该方法的跟踪结果受初始化影响较大，对噪声也较为敏感。 (4)基于模型的跟踪 基于模型的跟踪方法基本思想是： 首先通过一定的先验知识对所跟踪目标建 立模型，然后通过匹配跟踪目标，并进行模型的实时更新。通常利用测量、CAD 工具和计算机视觉技术建立模型。主要有三种形式的模型，即线图模型、二维轮 廓模型和三维立体模型口61，应用较多的是运动目标的三维立体模型，尤其是对 刚体目标如汽车的跟踪。该方法的优点是可以精确分析目标的运动轨迹，即使在 目标姿态变化和部分遮挡的情况下也能够可靠的跟踪， 但跟踪精度取决于模型的 精度，而在现实生活中要获得所有运动目标的精确模型是非常困难的。 目标检测算法，至今已提出了数千种各种类型的算法，而且每年都有上百篇相 关的研究论文或报告发表。尽管人们在目标检测或图像分割等方面做了许多研 究，现己提出的分割算法大都是针对具体问题的，并没有一种适合于所有情况的 通用算法。 目前， 比较经典的运动目标检测算法有： 双帧差分法、 三帧差分法(对 称差分法)、背景差法、光流法等方法，这些方法之间并不是完全独立，而是可 以相互交融的。 目标跟踪的主要目的就是要建立目标运动的时域模型， 其算法的优劣直接影响 着运动目标跟踪的稳定性和精确度， 虽然对运动目标跟踪理论的研究已经进行了 很多年，但至今它仍然是计算机视觉等领域的研究热点问题之一。研究一种鲁棒 性好、精确、高性能的运动目标跟踪方法依然是该研究领域所面临的一个巨大挑 战。基于此目的，系统必须对每个独立的目标进行持续的跟踪。为了实现对复杂 环境中运动目标快速、稳定的跟踪，人们提出了众多算法，但先前的许多算法都 是针对刚体目标，或是将形变较小的非刚体近似为刚体目标进行跟踪，因而这些 算法难以实现对形状变化较大的非刚体目标的正确跟踪。 根据跟踪算法所用的预 测技术来划分，目前主要的跟踪算法有：基于均值漂移的方法、基于遗传算法的 方法、基于Kalman滤波器的方法、基于Monto Carlo的方法以及多假设跟踪的方 法等。 运动检测与目标跟踪算法模块 运动检测与目标跟踪算法模块 与目标跟踪 一、运动检测算法 1.算法效果 算法效果总体来说，对比度高的视频检测效果要优于对比度低的视频。 算法可以比较好地去除目标周围的浅影子，浅影的去除率在 80%以上。去影后目标的 完整性可以得到较好的保持，在 80%以上。在对比度比较高的环境中可以准确地识别较大 的滞留物或盗移物。 从对目标的检测率上来说，对小目标较难进行检测。一般目标小于 40 个像素就会被漏 掉。对于对比度不高的目标会检测不完整。总体上来说，算法在对比度较高的环境中漏检率 都较低，在 以下，在对比度不高或有小目标的场景下漏检率在 6%以下。 精细运动检测的目的是在较理想的环境下尽量精确地提取目标的轮廓和区域， 以供高层 进行应用。同时在分离距离较近目标和进行其它信息的进一步判断也具有一定的优势。 反映算法优缺点的详细效果如下所示： 去影子和完整性 效果好 公司内视频 左边的为去影前，右边的 为去影后的结果，可以看出在 完整 性和去影率上 都有所 突 出。 这两个视频的共周特点 城市交通 是，影子都是浅影子，视频噪 声不太明显。目标与背景的对 比度比较高。 效果差 这两个视频的特点是影子 都是深影子。虽然影子没有去 掉，但是物体的完整性是比较 高的。主要原因就是场景的对 路口，上午 十点 比度比较高。 滞留物检测和稳定性 效果好 会议室盗移 效果好的原因，一是盗移或 滞留目标与背景对比度较大，二 是目标本身尺寸较大。 另外盗移物或滞留物在保持 各自的状态期间不能受到光照变 化或其它明显运动目标的干扰， 要不然有可能会造成判断的不稳 定。 效果差 会议室 遗留 物 大部分时间内，滞留的判断 都是较稳定的，但是在后期出现 了不稳定。主要原因是目标太小 的原故。 因此在进行滞留物判断时， 大目标，对比度较高的环境有利 于判断的稳定性和准确性。 漏检率 效果好 城市交通 在对比度高的环境下， 目标相对都较大的情况下 （大于 40 个像素） 可以很 ， 稳定的检测出目标。 在这种 条件下的漏检率通常都是 非常低的，在 以下。 效果差 行人－傍晚 和“行人”目录下 的 其 它 昏 暗 条件 下的视频 在对 比度较低的 情况 下，会造成检测结果不稳 定。漏检率较高。主要原因 是由于去影子造成的。 这种 对比度下的漏检率一般在 6%以下。 除了 对比度低是 造成 漏检的原因外， 过小的目标 也会造成漏检，一般是 40 个像素以下的目标都会被 忽略掉。 算法效率内存消耗（单位：b） .MD_ISRAM_data .MD_ISRAM_bss .MD_SDRAM_data 0x470 0x24 0x348 .MD_SDRAM_bss .MD_text 0x1a8480 0x6d40 速度 ms 运动区域占 2/3 左右时 CPU 占用率 一帧耗时 Max:57% Min: Avg: Max:23 Min: Avg:15 运动区域占 1/3 左右时 Max:45% Min: Avg:20% Max:18 Min: Avg:8 检测参数说明 检测参数说明 检测到的滞留物或盗走物的消失时间目前分别设定在 200 帧和 100 帧， 可以通过参数来 自行调整。 目前目标与背景的差异是根据局部光照强度所决定的， 范围在 4 个像素值以上。 目前参 数设置要求目标大小要在 20 个像素以上才能被检测到，可以通过参数来自行调整。 目标阴影的去除能力是可以调整的， 目前的参数设置可以去除大部分的浅影子和较小的 光照变化。 适用环境推荐光照条件较好（具有一定的对比度）的室内环境或室外环境。不易用它去检测过小的目 标，比如小于 40 个像素的目标。室外环境不易太复杂。输出目标为精细轮廓目标，可以为 后面高层应用提供良好的信息。 二、目标跟踪 稳定运行环境要求此版本跟踪算法与运动检测算法紧密结合， 对相机的架设和视频的背景环境和运动目标 数量运动方式有一定要求： 背景要求： 由于运动跟踪是基于运动检测的结果进行的， 所以对背景的要求和运动检测一样， 背景要求： 运动目标相对于背景要有一定反差。 运动目标：由于运动检测中，对较小的目标可能过滤掉。所以运动目标的大小要符合运动检 运动目标： 测的要求。运动目标的速度不能太大，要保证前后帧运动目标的重合面积大于 10 个像素。此阈值可修改(建议不要随意修改，过小，可能把碎片当成原目标分 裂出来的小目标，过大，可能失去跟踪。当然可试着调节以适应不同场景)。该 算法对由于运动检测在地面上产生的碎片抗干扰性比较差， 运动目标和碎片相遇 时，容易发生融合又分离的现象，造成轨迹混乱。消失目标和新生目标很容易当 成同一目标处理，所以可能出现一个新目标继承新生目标的轨迹。 运动方式： 运动目标的最大数量由外部设定。 但运动跟踪对运动目标比较稀疏的场景效果比 运动方式： 较好。 算法对由于运动检测在运动目标上产生的碎片有一定的抗干扰。 算法没对 物体的遮挡进行处理。对于两运动目标之间的遮挡按融合来处理。 拍摄角度： 拍摄角度：拍摄视野比较大，且最好是俯视拍摄。
原文： Scalable Object Detection using Deep Neural Networks——学术范 最近，深度卷积神经网络在许多图像识别基准上取得了最先进的性能，包括ImageNet大规模视觉识别挑战(ILSVRC-2012)。在定位子任务中获胜的模型是一个网络，它预测了图像中每个对象类别的单个边界框和置信度得分。这样的模型捕获了围绕对象的整幅图像上下文，但如果不天真地复制每个实例的输出数量，就无法处理图像中同一对象的多个实例。在这篇论文中提出了一个显著性启发的神经网络检测模型，它预测了一组与类无关的边界框，每个框有一个分数，对应于它包含任何感兴趣的对象的可能性。该模型自然地为每个类处理数量可变的实例，并允许在网络的最高级别上进行跨类泛化。 目标检测是计算机视觉的基本任务之一。一个解决这个问题的通用范例是训练在子图像上操作的对象检测器，并在所有的场所和尺度上以详尽的方式应用这些检测器。这一范例被成功地应用于经过区别训练的可变形零件模型(DPM)中，以实现检测任务的最新结果。对所有可能位置和尺度的穷举搜索带来了计算上的挑战。随着类数量的增加，这个挑战变得更加困难，因为大多数方法都训练每个类单独的检测器。为了解决这个问题，人们提出了多种方法，从检测器级联到使用分割提出少量的对象假设。 关于对象检测的文献非常多，在本节中，我们将重点讨论利用类不可知思想和解决可伸缩性的方法。 许多提出的检测方法都是基于基于部件的模型，最近由于有区别学习和精心设计的特征，已经取得了令人印象深刻的性能。然而,这些方法依赖于在多个尺度上详尽地应用零件模板，这是非常昂贵的。此外，它们在类的数量上是可伸缩的，这对像ImageNet这样的现代数据集来说是一个挑战。 为了解决前一个问题，Lampert等人使用分支绑定策略来避免计算所有可能的对象位置。为了解决后一个问题，Song et al.使用了一个低维部件基，在所有对象类中共享。基于哈希算法的零件检测也取得了良好的结果。 另一种不同的工作，与我们的工作更接近，是基于对象可以本地化的想法，而不必知道它们的类。其中一些方法建立在自底向上无阶级分割[9]的基础上。通过这种方式得到的片段可以使用自上而下的反馈进行评分。基于同样的动机，Alexe等人使用一种廉价的分类器对对象假设是否为对象进行评分，并以这种方式减少了后续检测步骤的位置数量。这些方法可以被认为是多层模型，分割作为第一层，分割分类作为后续层。尽管它们编码了已证明的感知原理，但我们将表明，有更深入的模型，充分学习可以导致更好的结果。 最后，我们利用了DeepLearning的最新进展，最引人注目的是Krizhevsky等人的工作。我们将他们的边界盒回归检测方法扩展到以可扩展的方式处理多个对象的情况。然而，基于dnn的回归已经被Szegedy等人应用到对象掩模中。最后一种方法实现了最先进的检测性能，但由于单个掩模回归的成本，不能扩展到多个类。 我们的目标是通过预测一组表示潜在对象的边界盒来实现一种与类无关的可扩展对象检测。更准确地说，我们使用了深度神经网络(DNN)，它输出固定数量的包围盒。此外，它为每个盒子输出一个分数，表示这个盒子包含一个对象的网络信任度。 为了形式化上述思想，我们将i-thobject框及其相关的置信度编码为最后一网层的节点值: Bounding box: 我们将每个框的左上角和右下角坐标编码为四个节点值，可以写成vectorli∈R4。这些坐标是归一化的w. r. t.图像尺寸，以实现图像绝对尺寸的不变性。每个归一化坐标是由最后一层的线性变换产生的。 Confidence: 置信度:包含一个对象的盒子的置信度得分被编码为单个节点valueci∈[0,1]。这个值是通过最后一个隐藏层的线性变换产生的，后面跟着一个sigmoid。 我们可以组合边界盒位置sli,i∈{1，…K}为一个线性层。同样，我们可以将所有置信区间ci,i∈{1，…K}作为一个s型层的输出。这两个输出层都连接到最后一个隐藏层 在推理时，我们的算法生成kbound盒。在我们的实验中，我们使用ek = 100和K= 200。如果需要，我们可以使用置信分数和非最大抑制在推理时获得较少数量的高置信框。这些盒子应该代表对象。因此，它们可以通过后续的分类器进行分类，实现目标检测。由于盒子的数量非常少，我们可以提供强大的分类器。在我们的实验中，我们使用另一个dnn进行分类。 我们训练一个DNN来预测每个训练图像的边界框及其置信度得分，以便得分最高的框与图像的groundtruth对象框很好地匹配。假设对于一个特定的训练例子，对象被标记为boundingboxesgj,j∈{1，…，M}。在实践中，pre- dictionary的数量远远大于groundtruthboxm的数量。因此，我们试图只优化与地面真实最匹配的预测框子集。我们优化他们的位置，以提高他们的匹配度，最大化他们的信心。与此同时，我们将剩余预测的置信度最小化，这被认为不能很好地定位真实对象。为了达到上述目的，我们为每个训练实例制定一个分配问题。Wexij∈{0,1}表示赋值:xij= 1，如果第i个预测被赋值给第j个真对象。这项任务的目标可以表示为 其中，我们使用标准化边界框坐标之间的el2距离来量化边界框之间的不同。此外，我们希望根据分配x优化盒子的可信度。最大化指定预测的置信度可以表示为 最终的损失目标结合了匹配损失和信心损失 受式1的约束。α平衡了不同损失条款的贡献。 对于每个训练例子，我们通过解决一个最佳的赋值x*的预测到真实的盒子 约束执行赋值解决方案。这是二部匹配的一种变体，是一种多项式复杂度匹配。在我们的应用程序中，匹配是非常便宜的——每幅图像中标记的对象的数量少于一打，而且在大多数情况下只有很少的对象被标记。然后，通过反向传播优化网络参数。例如，反向传播算法的一阶导数计算w、r、t、l和c 尽管上述定义的损失在原则上是足够的，但三次修改使其有可能更快地达到更好的准确性。第一个修改是对地面真实位置进行聚类，并找到这样的聚类/质心，我们可以使用这些聚类/质心作为每个预测位置的先验。因此，鼓励学习算法为每个预测位置学习一个残差到一个先验。 第二个修改涉及到在匹配过程中使用这些先验:不是将N个groundtruth位置与K个预测进行匹配，而是在K个先验和groundtruth之间找到最佳匹配。一旦匹配完成，就会像之前一样计算目标的置信度。此外，位置预测损失也不变:对于任何一对匹配的(目标，预测)位置，其损失定义为groundtruth和对应于匹配先验的坐标之间的差值。我们把使用先验匹配称为先验匹配，并假设它促进了预测的多样化。 需要注意的是，尽管我们以一种与类无关的方式定义了我们的方法，但我们可以将它应用于预测特定类的对象盒。要做到这一点，我们只需要在类的边框上训练我们的模型。此外，我们可以预测每个类的kbox。不幸的是，这个模型的参数数量会随着类的数量线性增长。此外，在一个典型的设置中，给定类的对象数量相对较少，这些参数中的大多数会看到很少有相应梯度贡献的训练示例。因此，我们认为我们的两步过程——首先本地化，然后识别——是一个更好的选择，因为它允许使用少量参数利用同一图像中多个对象类型的数据 我们使用的本地化和分类模型的网络架构与[10]使用的网络架构相同。我们使用Adagrad来控制学习速率衰减，128的小批量，以及使用多个相同的网络副本进行并行分布式训练，从而实现更快的收敛。如前所述，我们在定位损失中使用先验——这些是使用训练集上的均值来计算的。我们还使用α = 来平衡局部化和置信度损失。定位器可以输出用于推断的种植区以外的坐标。坐标被映射和截断到最后的图像区域。另外，使用非最大抑制对盒进行修剪，Jaccard相似度阈值为。然后，我们的第二个模型将每个边界框分类为感兴趣的对象或“背景”。为了训练我们的定位器网络，我们从训练集中生成了大约3000万幅图像，并对训练集中的每幅图像应用以下步骤。最后，样品被打乱。为了训练我们的本地化网络，我们通过对训练集中的每一幅图像应用以下步骤，从训练集中生成了大约3000万幅图像。对于每幅图像，我们生成相同数量的平方样本，使样本总数大约为1000万。对于每幅图像，样本被桶状填充，这样，对于0 - 5%、5 - 15%、15 - 50%、50 - 100%范围内的每个比例，都有相同数量的样本，其中被包围框覆盖的比例在给定范围内。训练集和我们大多数超参数的选择是基于过去使用非公开数据集的经验。在下面的实验中，我们没有探索任何非标准数据生成或正则化选项。在所有的实验中，所有的超参数都是通过对训练集。 Pascal Visual Object Classes (VOC)挑战是最常用的对象检测算法基准。它主要由复杂的场景图像组成，其中包含了20种不同的对象类别的边界框。在我们的评估中，我们关注的是2007版VOC，为此发布了一个测试集。我们通过培训VOC 2012展示了结果，其中包含了大约。11000张图片。我们训练了一个100框的定位器和一个基于深度网络的分类器。 我们在一个由1000万作物组成的数据集上训练分类器，该数据集重叠的对象至少为 jaccard重叠相似度。这些作物被标记为20个VOC对象类中的一个。•2000万负作物与任何物体盒最多有个Jaccard相似度。这些作物被贴上特殊的“背景”类标签。体系结构和超参数的选择遵循。 在第一轮中，定位器模型应用于图像中最大-最小中心方形作物。作物的大小调整到网络输入大小is220×220。单次通过这个网络，我们就可以得到上百个候选日期框。在对重叠阈值为的非最大抑制后，保留评分最高的前10个检测项，并通过21路分类器模型分别通过网络进行分类。最终的检测分数是给定盒子的定位分数乘以分类器在作物周围的最大方形区域上评估的分数的乘积。这些分数通过评估，并用于计算精确查全曲线。 首先，我们分析了本地化器在隔离状态下的性能。我们给出了被检测对象的数量，正如Pascal检测标准所定义的那样，与生成的包围框的数量相对比。在图1中，我们展示了使用VOC2012进行训练所获得的结果。此外，我们通过使用图像的最大中心面积(max-center square crop)作为输入以及使用两个尺度(second scale)来给出结果:最大中心面积(max-center crop)的第二个尺度(select3×3windows的大小为图像大小的60%)正如我们所看到的，当使用10个边界框的预算时，我们可以用第一个模型本地化的对象，用第二个模型本地化48%的对象。这显示出比其他报告的结果更好的性能，例如对象度算法达到42%[1]。此外，这个图表显示了在不同分辨率下观察图像的重要性。虽然我们的算法通过使用最大中心作物获得了大量的对象，但当使用更高分辨率的图像作物时，我们获得了额外的提升。进一步，我们用21-way分类器对生成的包围盒进行分类，如上所述。表1列出了VOC 2007的平均精度(APs)。达到的平均AP是，与先进水平相当。注意，我们的运行时间复杂度非常低——我们只使用top10框。示例检测和全精度召回曲线分别如图2和图3所示。值得注意的是，可视化检测是通过仅使用最大中心方形图像裁剪，即使用全图像获得的。然而，我们设法获得了相对较小的对象，例如第二行和第二列的船，以及第三行和第三列的羊。 在本工作中，我们提出了一种新的方法来定位图像中的对象，该方法可以预测多个边界框的时间。该方法使用深度卷积神经网络作为基本特征提取和学习模型。它制定了一个能够利用可变数量的groundtruth位置的多箱定位成本。在“一个类一个箱”方法的情况下，对1000个盒子进行非max-suppression，使用与给定图像中感兴趣的DeepMulti-Box方法相同的准则，并学习在未见图像中预测这些位置。 我们在VOC2007和ILSVRC-2012这两个具有挑战性的基准上给出了结果，在这两个基准上，所提出的方法具有竞争力。此外，该方法能够很好地预测后续分类器将探测到的位置。我们的结果表明，deepmultibox的方法是可扩展的，甚至可以在两个数据集之间泛化，就能够预测感兴趣的定位，甚至对于它没有训练的类别。此外，它能够捕获同一类物体的多种情况，这是旨在更好地理解图像的算法的一个重要特征。 在未来，我们希望能够将定位和识别路径折叠到一个单一的网络中，这样我们就能够在一个通过网络的一次性前馈中提取位置和类标签信息。即使在其当前状态下，双通道过程(本地化网络之后是分类网络)也会产生5-10个网络评估，每个评估的速度大约为1个CPU-sec(现代机器)。重要的是，这个数字并不与要识别的类的数量成线性关系，这使得所提出的方法与类似dpm的方法非常有竞争力。
能不能给我发一份呢？