1. 研究目的与意义（文献综述）

1.1 研究目的及意义

图像识别是将存储的已有信息（记忆单元中的存储信息）与当前的输入信息（感官接收的当时信息）进行比较，利用计算机对图像进行加工处理、上下文分析和理解，识别各种不同物体目标或者物体对象的技术。由于图像的获取以及图像本身具有复杂性和特殊性，使得图像识别技术和方法一直以来都是计算机视觉及相关领域的研究热点。目前，图像识别技术已广泛应用到无人驾驶、智慧城市、智能交通、物流管理、搜索引擎、网络通信、虚拟现实、医学卫生、遥感成像和人工智能等多个领域。

图像识别的困难之处在于很难找到一种方法能够从自然环境中抽离出边界、纹理、角点和形状等图像特征概念，并且图像本身极易受到自然环境的影响而出现视角变化、尺度变化、扭曲形变、遮挡干扰、光照影响、背景掺杂和类内差异等困难，使得计算机更加难于得到关于自然图像的抽象表示和理解表达。

2. 研究的基本内容与方案

在已有的图像识别方法基础上，本文主要针对如何避免人工设计特征，将特征提取和分类识别两个阶段串联在一起，利用卷积神经网络cnn改进算法构造图像分类识别模型这一方向进行了相关的研究与分析，主要旨在解决如下几个问题：

(1) 针对多数识别方法需要人工标记特征、具有任务高度相关性等特点，如何利用卷积神经网络cnn改进算法构造端到端的图像分类识别模型。

(2) 依靠卷积神经网络cnn训练数据往往会出现过拟合问题，如何通过修改网络结构、调整模型参数、优化训练算法有效地控制识别模型中的过拟合问题。

3. 研究计划与安排

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。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：搭建模型，并进行仿真调试。

4. 参考文献（12篇以上）

[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] 江帆，刘辉，王斌，孙晓峰，代照坤. 基于cnn-grnn模型的图像识别[j].计算机工程：257-262[2017-43].

[3] 许可.卷积神经网络在图像识别上的应用的研究[d]杭州：浙江大学，2012.