1. 研究目的与意义（文献综述包含参考文献）

文 献 综 述 一．图像分类在国内外应用现状与发展趋势 图像分类是计算机视觉领域十分重要的一个组成部分，其研究一直受到了国内外研究机构及大型互联网公司的广泛重视[1]。

包含深度学习的视觉图像分类的新算法不断刷新一些基准数据集的计算机视觉的任务记录:如pascal voc数据集上目标检测任务、kitti自动驾驶数据集的车辆检测任务、fddb人脸检测数据集人脸识别任务、caltech 200-2011飞鸟数据集的精细分类任务、cifia-10及100微小图片数据集的分类任务、microsoft coco数据集的分类任务等等[2]，体现了巨大的学术研究价值和工程应用价值。

图像分类的核心步骤是特征提取。

2. 研究的基本内容、问题解决措施及方案

1.本课题要解决的问题 图像分类，根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。

它利用计算机对图像进行定量分析，把图像或图像中的每个像元或区域划归为若干个类别中的某一种，以代替人的视觉判读，这是一个较复杂的问题。

该课题要求实现的基于深度学习的图像分类主要包括：训练集图像的学习、测试集图像的分类，并能利用一些新原理、新方法对已有的深度学习方法进行适当的改进，并能对相似的图像分类方法进行分析与比较，根据不同的图像类型确定最佳分类方法。