1. 毕业设计（论文）主要内容：

随着现代交通的迅猛发展，车牌自动识别技术在现实生活中逐渐得以广泛应用，成为计算机视觉与模式识别技术在智能交通领域应用的重要课题之一。卷积神经网络近几年在计算机视觉、图像处理等领域取得了许多突破性的成果，极大提高了物体检测和图像识别领域当前最好的水平。在本毕业论文中，首先需要了解图像识别的概念和流程，学习卷积神经网络的结构，并利用卷积神经网络对车牌数据进行识别。在深度学习框架(如keras)上搭建网络来实现对车牌字符的识别，从而初步具备应用深度学习算法来解决实际问题的能力。

2. 毕业设计（论文）主要任务及要求

通过查阅文献和搜集相关资料，学习卷积神经网络相关的基础知识，了解深度学习框架，并完成与毕业设计相关的外文文献翻译。

学习车牌识别的分类算法，详细介绍其整体架构和流程。

基于车牌字符数据库，构建基于卷积神经网络的车牌识别系统，并在keras或其他工具上实现。

3. 毕业设计（论文）完成任务的计划与安排

2017.12-2018.2 查阅卷积神经网络的相关资料、撰写开题报告、翻译英文资料。

2018.2-2018.4 学习车牌识别算法并开始在keras或其他工具上实现。

2018.4-2018.5 完成算法在keras或其他工具上的实现，然后分析、调试并完善实验结果。

4. 主要参考文献

李彦冬, 郝宗波, 雷航. 卷积神经网络研究综述[j]. 计算机应用, 2016, 36(9):2508-2515.

赵志宏, 杨绍普, 马增强. 基于卷积神经网络lenet-5的车牌字符识别研究[j]. 系统仿真学报, 2010,22(3):638-641.

lecun y, bottou l, bengio y, et al. gradient-based learning applied todocument recognition[j]. proceedings of the ieee, 1998, 86(11):2278-2324.