1. 毕业设计（论文）主要内容：

随着人工智能、大数据的飞速发展，目前，深度学习和人工智能的需求越来越大。在深度学习中，一个重要的应用就是物体识别，其中以数字识别的应用最为广泛。本课题基于深度学习，要求学习基础的卷积神经网络，并且设计经典的VGGNet-16深度神经网络来实现简单的数字识别功能。深度学习的开发平台建议使用基于python的tensorflow平台，使用的数据集可以由开发者自己制造，也可以使用MNIST等经典的数据集，数据集要分为训练集和预测集，要求识别准确率在90%以上。

2. 毕业设计（论文）主要任务及要求

(1)查阅不少于15篇相关资料，其中英文文献不少于3篇，完成开题报告。

(2)学习基本的bp神经网络和卷积神经网络，了解深度神经网络的基本结构。

(3)设计并训练经典的16层vggnet-16深度神经网络，并使用预测集来测试效果，可以使用深度残差网络来提高深度神经网络的准确度。

3. 毕业设计（论文）完成任务的计划与安排

(1)第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。确定毕业设计方案，完成开题报告。

(2)第4－5周：掌握卷积神经网络的实现原理，完成英文资料的翻译，熟悉开发环境。

(3)第6－9周：完成整个vggnet-16的设计。

4. 主要参考文献

[1] tomoka azakami, ryuya uda. deep learning analysis of amodal completion captcha with colors and hidden positions, 2017 31st international conference on advanced information networking and applications workshops (waina), taipei, 2017, pp. 341-346.

[2] y. lavinia, h. h. vo and a. verma. fusion based deep cnn for improved large-scale image action recognition. 2016 ieee international symposium on multimedia (ism), san jose, ca, 2016, pp. 609-614.

[3] t. abtahi, a. kulkarni and t. mohsenin. accelerating convolutional neural network with fft on tiny cores. 2017 ieee international symposium on circuits and systems (iscas), baltimore, md, 2017, pp. 1-4.