1. 毕业设计（论文）主要内容：

深度卷积神经网络在图像分类领域取得了一系列的突破，但是越深的神经网络训练起来越困难。

本文将采用残差学习框架开展研究工作，能够简化那些非常深的网络训练，该框架使得层能根据其输入来学习残差函数而非原始函数。

2. 毕业设计（论文）主要任务及要求

1. 学习深度卷积神经网络的基本知识；
2. 学习并使用深度残差框架；
3. 设计实现基于深度残差网络框架下的图像分类识别系统；
4. 查阅参考文献15篇以上（其中近五年外文文献不少于3篇）；
5. 完成不少于12000字的毕业论文撰写并完成答辩的相关工作；
6. 完成不低于5000汉字（20000英文印刷符）的教师指定的相关文献的英译汉翻译；
7. 完成不少于12幅图设计（包括：电路原理图、流程图、结构框图、程序框图等）。

3. 毕业设计（论文）完成任务的计划与安排

1. 第1-3周 完成题目调研，完成文献阅读，进行相关资料的收集，完成文献综述以及开题报告撰写；
2. 第4-5周 学习深度卷积神经网络，完成论文开题；
3. 第6-12周 完成深度残差学习网络的搭建使用，撰写论文初稿；
4. 第13-15周 测试程序的实际显示效果，并针对使用过程出现的问题进行优化，完成论文修改并提交。

5. 第16周 答辩。

4. 主要参考文献

[1] K. He, X.Y. Zhang, S.Q. Ren, and J. Sun. Deep Residual Learning for Image Recognition [J]. In CVPR, 2015.
[2] M.D.Zeiler and R. Fergus. Visualizing and Understanding Convolutional Neural Networks [J]. In ECCV, 2014.
[3] J. Long, E. Shelhamer, and T. Darrell. Fully Convolutional Networks for Semantic Segmentation [J]. In CVPR, 2015.
[4] G. Montufar, R. Pascanu, K.Cho, and Y. Bengio. On the Number of Linear Regions of Deep Neural Networks [J]. In NIPS, 2014.