1. 毕业设计（论文）主要内容：

交通标志是道路基础设施的重要组成部分，它们为道路使用者提供了一些关键信息，并要求驾驶员及时调整驾驶行为，以确保遵守道路安全规定。主要任务是通过机器学习的方法，对包含交通标志的图片进行检测和识别两个过程，检测是在图像中寻找到交通标志，并进行目标定位，识别是对交通标识进行分类。本文主要研究内容包括检测方法，并在深度学习的基础上完成编程，并达到要求的识别率，并实现简易的交通标志识别仿真平台。

2. 毕业设计（论文）主要任务及要求

1. 查阅相关资料15篇以上（其中近五年英文文献不少于3篇）

2. 完成开题报告

3. 研究机器学习的基本原理，特征提取，背景提取，学习神经网络的编程方法，并使用matlab或者python进行训练并测试，最终达到识别的效果。

3. 毕业设计（论文）完成任务的计划与安排

第1周—第3周 搜集资料，撰写开题报告；
第4周—第5周 论文开题；
第6周—第12周 撰写论文初稿
第12周—第15周 修改论文；
第16周 论文答辩。

4. 主要参考文献

[1] 基于卷积神经网络的交通标识识别研究与应用[D]. 大连理工大学, 2014.

[2] 基于机器视觉的交通标志检测与识别算法研究[D]. 电子科技大学, 2015.

[3] 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.

[4] 王振, 高茂庭. 基于卷积神经网络的图像识别算法设计与实现[J]. 现代计算机:专业版, 2015(20):61-66.

[5] 邓柳, 汪子杰. 基于深度卷积神经网络的车型识别研究[J]. 计算机应用研究, 2016,33(3):930-932.

[6] Cire#351;an, Dan, Meier U ,Schmidhuber J . Multi-column Deep Neural Networks for Image Classification[J].Eprint Arxiv, 2012, 157(10):3642-3649.

[7] Luo H, Yi Y, Bei T,et al. Traffic Sign Recognition Using a Multi-Task Convolutional NeuralNetwork[J]. IEEE Transactions on Intelligent Transportation Systems, 2018,PP(99):1-12.