1. 研究目的与意义（文献综述）

本毕业设计所选的课题为“基于卷积神经网络的船舶类型识别的设计与实现”。

1.研究目的：

目前国内外已经有比较成熟的图像识别技术，并且这些技术也已经比较广泛地应用到了如车辆类型的识别、车牌号码的识别、人脸识别等领域，但关于船舶类型的识别在国内外都比较少提及。而在人工智能领域关于卷积神经网络（convolutional neural networks-简称cnn）的研究也在不断地深入，发现其在图像识别的应用中有着极其巨大的优势以及潜力，因此本文欲通过对图像识别的分析结合对cnn的探究以实现船舶类型识别的功能。本次研究的目的就在于将基于神经网络的图像识别运用到船舶类型的识别之中，尝试解决噪声干扰等问题对图像识别的影响，研究并利用神经网络的特点与优势，实现更加快速且精准的船舶类型识别。

2. 研究的基本内容与方案

1. 基本内容与研究目标：

本设计的课题为“基于卷积神经网络的船舶类型识别的设计与实现”，主要的研究任务及内容是：

(1)图像的识别的基本理论、工作原理以及在matlab上的实现：研究图像识别的基本知识和原理，尝试在matlab上进行简单图像的识别，获得相关的数据结果；

3. 研究计划与安排

(1)2.26-3.23（第1-4周）：完成毕业设计选题调研、文献阅读和外文翻译，收集相关资料，完成开题报告并将开题报告上交指导老师进行审阅，审阅讨论完成后上传开题报告到教务处网站，完成开题任务。

(2)3.19-4.7（第4-6周）：研究图像识别和卷积神经网络的相关理论知识，熟悉本课题所需要使用到的平台工具（例如matlab）和计算机语言，对该课题进行初步的方案规划与设计。

(3)4.9-5.11（第7-11周）：对现有的研究结果进行解读并尝试实现，对图像识别与卷积神经网络分别进行实际测试并进行相关数据的记录与性能分析，并尝试将两者进行结合，实现相关的功能。

4. 参考文献（12篇以上）

[1]金炎. 基于计算机视觉的车型识别研究[d].南京信息工程大学,2016.

[2]张明贵. 道路车辆的车型识别方法研究[d].贵州民族大学,2015.

[3]王秀席,王茂宁,张建伟,程鹏.基于改进的卷积神经网络lenet-5的车型识别方法[j/ol].计算机应用研究,2018(07):1-2 5[2018-03-20].