1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着科学技术的进步，人们对汽车的依赖日益紧密，汽车逐渐发展成了今天的模样。汽车的发明改变了人们的出行方式，加速了社会运转的步伐，促进了人类文明的高速发展。虽然汽车的发明给我们带来了巨大的便利，但是，也给我们的生活带来了巨大的困扰。交通事故、环境污染、城市道路拥挤等问题日益严重。

2. 研究的基本内容与方案

本课题研究的主要内容是在自然场景下如何选择和设计合适的方法来提高交通标志图像检测与识别的准确率、降低计算复杂度和减少检测时间。交通标志图像在正常情况下，形状简单、颜色单一，识别难度不高，但在现实中存在很多不利因素的影响。提高交通标志图像检测与识别的高检测率、高识别率、高实时性是本课题重点研究的内容。

本课题的目标为设计一个基于卷积神经网络的交通标志分类模型，该模型能够对道路上常出现的各类交通标志图片进行分类处理，并对分类结果实现可视化。交通标志图像识别系统流程如图1所示，首先由设备获取所需要的检测目标图像，然后经过信号处理部分对图像进行检测和分类，最后根据识别的结果对终端发出决策命令。

图1 典型交通标志识别框架

3. 研究计划与安排

第1周—第4周 搜集资料，撰写开题报告；

第5周—第6周 论文开题；

第7周—第12周 撰写论文初稿；

4. 参考文献（12篇以上）

[1] very deep convolutional networks for large-scale image recognition. simonyan k,zisserman a. proc. of 3rd international conference on learning representations . 2015

[2] pruning convolutional neural networks for resource efficient inference. molchanov p,tyree s,karras t,et al. international conference on learning representations . 2017

[3] network trimming a data-driven neuron pruning approach towards efficient deep architectures. hu h,peng r,tai y w,et al. proc of international conference on learning representations . 2017