1. 毕业设计（论文）主要内容：

目前大多购物网站是基于关键字的商品搜索系统，要求商家先对商品进行分类，然后添加对应的文字标注，并且关键字很难全面反映商品的视觉特征，利用图像检索可以减少检索对于文字的依赖性。卷积神经网络作为深度学习领域中的一种应用普遍的高效算法，不需要进行复杂的预处理和特征提取就能取得不错的结果，得到了广泛的应用。本课题拟设计基于卷积神经网络的多类商品图像分类算法，在商品种类不小于10种的情况下能够对输入的商品图像进行正确分类。

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇）。

（2）完成开题报告及任务书。

（3）采集商品图像数据集。基于设计的卷积神经网络算法训练分类模型，测试分类结果。

3. 毕业设计（论文）完成任务的计划与安排

（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。

（3）第7－9周：掌握深度学习框架的使用，设计基于卷积神经网络的商品分类算法。

4. 主要参考文献

[1] 周飞燕，金林鹏，董军.卷积神经网络研究综述[j].计算机学报：1229-1251[2017-20-6].

[2]alex krizhevsky, ilya sutskever, geoffrey e. hinton. imagenet classificationwith deep convolutional neural networks [c]. advances in neural informationprocessing system, nips 2012

[3] simonyan, karen, and andrewzisserman. "very deep convolutional networks for large-scale imagerecognition." arxiv preprint arxiv:1409.1556 (2014).