本项目为学校的毕设，解决了神经网络识别过程中随着神经网络层的增加，网络的准确性下降的问题 相比于一般神经网路，可以有效解决当神经网络堆叠到一定深度时出现的梯度消失和梯度爆炸的问题，以及一些退化问题，我是对网络进行了开发，使得数据集导入及一些模型的训练变得更快，另外还对数据进行数据增强，使得神经网络对原本测试数据更加精准，此外还画了测试结果和评估结果图片 主要由resnet网络模型的构建，数据集路径生成及数据增强模块的实现组成，主要使用了torch，python

一、项目分为图像处理模块（dealImg），图像处理模块包括求像素和模块sums，检测跳变模块，霍夫直线检测模块。视频输入和视频结果生成模块。 对用户来说实现的功能：1用户只需拍报纸视频进入程序就能输出报纸数量的视频。报纸数量在右上角。 其中 图像处理模块（用于处理视频单张图片) #—————————————————————————————————————— 用途：用于处理一张报纸有多少经过检测线，主要是获取单帧视频，如果视频在几帧内有一张报纸经过检测线那么报纸数目加一 核心模块：用于处理视频图像 #——————————————————————————————————————用的技术栈 1图像处理模块用了掩膜技术，canny边缘检测技术，把图像报纸的边缘提取出来并且检测报纸的有效边缘。（边缘检测，轮廓提取） 2提取出来的边缘用霍夫直线变换检测出报纸线条信息。之后用视频处理中的线条逆跳变检测出掩膜后指定区域报纸的数目。（掩膜，霍夫直线检测） 3最后用求像素和方法，使得检测跳变模块加入更好检测边缘的跳变。最后检测跳变完成后就能处理视频模块一帧的内容了。 视频输入与视频结果生成： #——————————————————————————————————————— 用途：用于输入要数的报纸视频，把输入的视频放在图像处理模块上。之后图像处理模块检测出的报纸图像，检测图像逆跳变就说明有一张报纸经过检测线（跳变检测模块） 之后用写视频的方法写入视频 #此模块为接口模块：主要是输入用户要数的报纸视频，之后输出检测结果视频 #———————————————————————————————————————用的技术栈 1视频输入模块：读取用户输入视频，并且进行逆跳变检测，检测出经过检测线的报纸数目，并使用视频注释技术在图片上标注数目。 （逆跳变检测，视频注释） 2保存检测结果模块：用了写视频技术，保存视频为MP4得到的mp4即为结果（保存视频技术） 难点及解决方法： 1图像不知道识别哪个地方，图像要识别的要素过多，无法得到报纸是哪个地方识别的问题：用了掩膜技术。把不需要识别的地方遮住，留下识别的地方就是检测线。 2跳变检测：如何检测逆跳变，用当前视频检测的到的结果的和（sums)放入跳变检测模块，之后与前一张照片比较，如果前一张照片有报纸被检测到，下一张照片没有，那么就认为检测到报纸 3霍夫直线变换函数：（核心函数，主要用于处理图片中检测线的报纸，把检测线的报纸变为机器可以识别的线条