1. 毕业设计（论文）的内容和要求

道路交通标志的识别系统tsr(traffic sign recognition)是”智能交通系统”研究领域中的热点和难点之一，也是难度较大的实景目标识别问题之一，对于无人驾驶汽车具有很重要的意义。

因为自然场景下采集到的道路交通标志图像除了易受天气、光照、复杂背景等因素影响外，还可能出现遮挡、变形、掉色等情况。

这些都将直接影响到最终的识别结果。

2. 参考文献

[1] 邓柳. 基于深度卷积神经网络的车型识别[D]. 西南交通大学, 2015. [2] 黄斌, 卢金金, 王建华,等. 基于深度卷积神经网络的物体识别算法[J]. 计算机应用, 2016, 36(12):3333-3340. [3] 王欣蔚. 基于改进卷积神经网络的车号识别算法[J]. 数字技术与应用, 2016(7):126-126. [4] 黄琳, 张尤赛. 应用深层卷积神经网络的交通标志识别[J]. 现代电子技术, 2015, v.38;No.444(13):101-106. [5] 倪钰婷, 梁宇峰, 郝博闻,等. 交通标志识别研究综述[J]. 软件工程师, 2016, 19(7):1-5. [6] 余进程，谢光汉，罗芳. 基于深度学习的道路交通标志数字识别技术探究[J].数字技术与应用, 2013, (12)：62-63，66。

[7] Chen Zhang, Peng Li, Guangyu Sun. Optimizing FPGA-based Accelerator Design for Deep Convolutional Neural Networks. Proceedings of the 2015 ACM/SIGDA International Symposium on Field-Programmable Gate Arrays.New York, NY, USA . 2015: 161-170. [8] 黄斌, 卢金金, 王建华,等. 基于深度卷积神经网络的物体识别算法[J]. 计算机应用, 2016, 36(12):3333-3340. [9]孙艳丰, 齐光磊, 胡永利,等. 基于改进Fisher准则的深度卷积神经网络识别算法[J]. 北京工业大学学报, 2015(6):835-841.

3. 毕业设计（论文）进程安排

2016-12-25～2017-1-15 选题、查资料 2017-1-16～2016-3-1 学习卷积神经网络；熟悉毕设所用到的开发工具；了解交通标志检测识别流程； 开题 2017-3-1～2017-3-15 继续学习研究交通标志检测识别流程，常见方法，选择现有深度学习模型作为交通标志识别应用的设计平台 2017-3-16～2017-4-20 深度卷积神经网络检测识别实现；中期检查，进行中期小结 2017-4-21～2017-4-30 结合常规方法和卷积神经网络的道路视频交通标志检测和识别测试 2017-5-1～2017-5-15 系统调试，结果分析，撰写论文初稿 2017-5-15～2017-5-31 毕业论文等文档的修改 2017-6-1～2017-6-13 准备答辩