1. 研究目的与意义（文献综述包含参考文献）

一、开发的背景及意义 随着数字图像处理技术的发展和实际应用的需求。

许多问题不要求其输出结果是一幅完整的图像本身，而是将经过一定处理后的图像再分割和描述，提取有效的特征，进而加以判断分类，这种技术就是图像的模式识别。

　　图像识别技术是利用计算机视觉采集物理对象，以图像数据为基础，让机器模仿人类视觉，自动完成某些信息的处理功能，达到人类所具有的对视觉采集图像进行识别的能力，以代替人去完成图像分类及辨别的任务。

2. 研究的基本内容、问题解决措施及方案

四、软件采用技术 1．pytorch框架 pytorch是facebook 的 ai 研究团队发布了一个 python 工具包,是python优先的深度学习框架。

2．残差网络模型 残差网络是2015年提出的深度卷积网络，一经出世，便在imagenet中斩获图像分类、检测、定位三项的冠军。

残差网络更容易优化，并且能够通过增加相当的深度来提高准确率。