1. 毕业设计（论文）的内容和要求

（一）基本要求本课题基于卷积神经网络(cnn)和深度学习(dl)，利用caffe深度学习平台对图像识别问题进行初步探究。

（二）主要内容 1、在linux平台上完成对caffe deep learning framework的配置； 2、学习基于深度学习的物体识别算法； 3、采用卷积神经网络搭建对物体的识别模型。

（三）相关要求 1、阅读中外文相关文献10篇以上； 2、翻译外文文献一篇，译文3000汉字以上； 3、完成本课题的开题报告，不少于3000汉字； 4、按学校 ”综合论文类”撰写规范，完成本课题的毕业设计论文，要求论文12000汉字以上。

2. 参考文献

[1] 邹蕾, 张先锋. 人工智能及其发展应用[J]. 信息网络安全, 2012 (2): 11-13. [2] 赵陈婷. 虚拟现实革命正在来临[J]. 中国中小企业, 2015 (4): 36-38. [3] 郝明. 探析计算机智能化图像识别技术的突破[J]. 中国新通信, 2014, 16(19): 3-3. [4] 张家怡. 图像识别的技术现状和发展趋势[J]. 电脑知识与技术，2010, 6(21): 6045-6046. [5] Hinton G E, Salakhutdinov R R. Reducing the dimensionality of data with neuralnetworks[J]. Science, 2006, 313(5786): 504-507. [6] 12] Deng J, Dong W, Socher R, et al. Imagenet: A large scale hierarchical image database[C]: Computer Vision and Pattern Recognition, 2009. CVPR 2009. IEEE Conference on. IEEE, 2009: 248-255. [7] Le Cun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition [J]. Proceedings of the IEEE, 1998, 86(11): 2278-2324. [8] Lee H, Battle A, Raina R, et al. Efficient sparse coding algorithms[C]: Advances in neural information processing systems. 2006: 801-808.

3. 毕业设计（论文）进程安排

第17周之前（12-26日之间） 布置设计任务 第18-20周 (12-28至01-15) 查阅文献、翻译文献，撰写开题报告，布置寒假学习任务 开题第 1～3 周（02-22至 03-13） 搭建Caffe Deep Learning平台 第4～7周 (03-14至04-10) 设计卷积神经网络 第8～11周 (04-11至05-08) 对卷积神经网络进行训练和测试 中期检查第12～13周 (05-09至05-24) 对比实验及方案优化 第14～16周 (05-25至06-14) 10000字以上论文撰写，（内容包括课题意义、方案论证、控制算法设计、得出课题的结论及心得体会）。

300字的中文摘要（不包括文献综述），答优的还须准备300字的英文摘 论文答辩