1. 毕业设计（论文）主要内容：

卷积神经网络属于深度学习领域研究的范围，是一种高效的识别方法，卷积神经网络具有三个特点分别为参数共享，局部感知和子采样操作，这三个特点使得训练参数减少，训练速度加快，在训练过程中具有良好表现，目前卷积神经网络已经广泛的并且良好的应用在生活各个方面，特别是在图像分类任务，人脸识别，文本识别，路标识别等方面。但其发展过程中还存在一些问题。本文将对卷积神经网络在图像分类领域进行研究，目的是希望提高图像分类的精准率，降低错误率。

本文将对基于卷积神经网络对物体的检测分割进行深入分析与研究，用keras/tensorflow搭建模块，采用imagenet公开数据集，最终进行模拟仿真，同时对比不同的网络的分类误差，以及定位准确度。

2. 毕业设计（论文）主要任务及要求

1. 查阅相关资料15篇以上（其中近五年英文文献不少于3篇）；

2. 完成开题报告；

3. 毕业设计（论文）完成任务的计划与安排

第1—2周：查阅相关的文献资料，对研究内容进行整体了解；

第3—4周：了解整体实现方案，完成开题报告；

第5—12周：根据方案进行设计和实现；

4. 主要参考文献

[1] he k , gkioxari g , dollár,piotr, et al. mask r-cnn[j]. ieee transactions on pattern analysis amp;machine intelligence, 2017, pp(99):1-1.

[2] ren s , he k , girshick r , et al. faster r-cnn: towards real-time object detectionwith region proposal networks[j]. 2015.

[3] deng j , dong w , socher r , et al. imagenet: a large-scale hierarchical imagedatabase[c]// ieee conference on computer vision amp; pattern recognition.ieee, 2009.