1. 研究目的与意义
·选题背景及意义
近年来，随着计算机技术，互联网技术，人工智能技术等相关技术的广泛应用，图像识别技术应运而生。而随着科技的发展，传统图像识别在如今对图像分类要求越来越精细的情况下逐渐吃力，所以诞生了基于神经网络的新型图像识别技术，其中基于卷积神经网络（Convolutional neural networks，CNN）的图像分类技术发展迅速。从1998年由Lecun等人提出的LeNet-5网络，标志卷积神经网络的初步形成。到2015年，He等提出ResNet算法，并优化 Fast R-CNN和 Mask R-CNN等算法，在识别大量信息的基础上，还能完成目标检测、实例分割等任务，使图像识别技术迅猛发展[1]。此后，新的卷积神经网络不断产生。并在识别精度、运行速度、网络轻量性和适用范围等方面，较之前的网络又有进一步提升。如今已被广泛运用在计算机视觉、工业控制、模式识别和信号处理等领域，并在图像目标识别、自然语言处理、语音信号识别等方面取得了良好的效果，成为深度学习的代表算法之一，推动着人工智能的快速发展[2]。虽然图像识别技术在适应人工智能、大数据等技术应用场景方面具有明显的优势，但是在满足各类主体相关信息需求方面仍然存在很多不足。因此，有必要对图像识别技术的应用进行一些研究，共同推进其发展。
·课题研究现状及发展趋势
2. 研究内容和问题
·基本内容
设计并实现一个基于卷积神经网络的物体识别系统。主要包含图像数据采集、图像识别分类、图像识别训练、标出识别物体等模块。
·预计解决的难题
3. 设计方案和技术路线
·研究方法
1.文献研究法。通过了解图像识别的历史和现状，帮助确定研究课题
2.实验法。通过设计相关程序来实现具体操作·技术路线
4. 研究的条件和基础
硬件：
（1）笔记本电脑
（2）GPU显卡
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
