1. 毕业设计（论文）主要内容：

图像目标识别是通过存储的信息（记忆中存储的信息）与当前的信息进行比较实现对图像的识别。目前，图像识别技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉等。随着技术的发展，出现了基于机器视觉的目标识别、基于深度学习的目标识别等，大大提高了图像识别的准确度和识别效率。本课题主要研究的是基于深度学习的单目标识别技术，深度学习是机器学习中一种基于对数据进行表征学习的方法。深度学习以数据的原始形态作为算法输入，经过算法层层抽象将原始数据逐层抽象为自身任务所需的最终特征表示，最后以特征到任务目标的映射作为结束，从原始数据到最终任务目标，“一气呵成”并无夹杂任何人为操作。深度学习的一类代表算法是神经网络算法，特别是卷积神经网络（CNN），目前在计算机视觉、医学图像处理领域具有卓越的效果。本课题研究的正是基于深度学习中卷积神经网络的图像单目标识别，先基于深度学习的理念搭建卷积神经网络图像识别模型，然后选取合适的数据集进行训练，最后通过现有的数据集验证模型的准确性，并在python环境下实现。

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年外文文献不少于3篇)，了解本研究领域的基本理论、关键技术与研究现状。

（2）完成开题报告。

（3）搭建图像识别模型，并基于imagenet数据集进行模型训练; 基于已有的图像数据集进行模型准确率检测; 给出模型实验结果，并对模型优劣与现有模型做出比较与判断。

3. 毕业设计（论文）完成任务的计划与安排

1、第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。确定毕业设计方案，完成开题报告。

2、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。

3、第6－9周：搭建模型，并进行仿真调试。

4. 主要参考文献

1. junjie yan, yinan yu, xiangyu zhu, zhen lei, stan z. li: object detection by labeling superpixels. 2015 ieee conference on computer vision and pattern recognition. pp.5107-5116, october 14,2015.

2. xiaowu chen, anlin zheng, jia li, feng lu： look, perceive and segment: finding the salient objects in images via two-stream fixation-semantic cnns, iccv 2017.

3. jawadu h. bappy and amit k. roy chowdhury: cnn based region proposals for efficient object detection. icip 2016.