1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着电子商务的高速发展,越来越多的人选择网络购物，呈现出普及化、移动化的发展趋势。目前购物网站的搜索系统多是基于文字的，商家需要先对商品进行分类并添加文字标注。但是关键字很难反映商品的整体特征，并且人工标注主要依靠人力,存在过程繁琐、效率低等问题。同时目前人工智能技术高速发展，因此依据图像特征对商品进行有效的分类和检索具有重要的应用价值。

2. 研究的基本内容与方案

本文以商品搜索系统为背景，首先对现今已有的商品分类的方法进行调查研究，同时对商品图像分类研究背景和国内外研究现状进行分析，并对现今使用的各种方法进行总结和比较。

然后对深度学习领域中的卷积神经网络，以及图像分类相关理论进行介绍，分析了卷积层、池化层、全连接层、激活函数等部分的作用，同时分析常见的框架结构和图像特征的提取方法。

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，了解研究所需理论基础。确定方案，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：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1] krizhevsky a，sutskever i，hinton g e. imagenet classification with deep convolutional neural networks[c]. international conference on neural information processing systems. curran associates，2012:1097-1105

[2] k. chatfield，k. simonyan，a. vedaldi，and a. zisserman. return of the devil in the details: delving deep into convolutional nets[c]. in proc. bmvc，2014:1060-1069

[3] simonyan，karen，and andrew zisserman. very deep convolutional networks for large-scale image recognition[c]. arxiv preprint arxiv，2014:1409-1556