全文总字数：4209字

1. 研究目的与意义（文献综述）

图像是我们每个人每时每刻都要接触的对象，它存在于我们每个人的生活当中，我们的眼睛所看到的所有的东西都是由图像所构成的。随着科技的发展，机器人代替人们从事或重复或危险的工作已经成了大势所趋，而这一伟大构想的最重要的技术便是计算机视觉，而计算机视觉中最重要的一门技术便是图像分类。

图像分类是指根据图像所反映的具体特征，把图片区分并从给定分类的集合之中分配一个标签的任务。基于遗传算法的图像分类算法与基于神经网络的图像分类算法逐渐被人们实现出来。随着大数据技术、机器学习、深度学习等技术的突飞猛进，计算机视觉技术迎来了黄金时期，尤其是卷积神经网络的出现，催生出了基于卷积神经网络的图像分类算法，更是使得计算机对于图像识别的精度有了大幅度的提升。

神经网络用于图像分类的发展如下所述。

2. 研究的基本内容与方案

基本内容：利用深度学习在图像分类领域的相关知识，讨论深度学习的基本模型与方法，对卷积神经网络的理论、特点、结构、方法深入分析，并了解研究卷积神经网络训练和测试的基本过程。利用python的tensorflow库，实现一个深层卷积神经网络，将之应用于图像分类任务，进行编程验证。

目标：利用tensorflow库编写搭建一个alexnet卷积神经网络用于图像分类，利用已有数据集进行训练，验证，通过调整网络中的超参数达到优化网络的目的，增加网络的可靠性。

拟采用的技术方案：采用alexnet网络模型，利用tensorflow进行模型的搭建，对不同图像分类集进行训练以及验证，测试模型的有效性。根据不同的图像分类集采用不同的优化方案。

3. 研究计划与安排

第1周：查阅深度学习、卷积神经网络方面相关的文献资料、学习视频，明确研究内容。

第2周：了解研究所需技术语言和开发工具，在电脑上搭建python环境，安装tensorflow库，初步熟悉开发环境。

第3周：确定需要采用的卷积神经网络模型，设定技术方案以及目标。着手开始完成开题报告。

4. 参考文献（12篇以上）

[1] a. krizhevsky, i. sutskever, g. e. hinton. advances in neural information processing systems[c].san francisco：margan kaufmann, 2012：1097-1105.

[2] mit atila,yusuf yarg baydilli,eftal sehirli,muhammed kamil turan. classification of dna damages on segmented comet assay images using convolutional neural network[j]. computer methods and programs in biomedicine,2020,186(186):1-9.

[3] andry chowanda,rhio sutoyo. deep learning for visual indonesian place classification with convolutional neural networks[j]. procedia computer science,2019(157):436-443.